小编Moh*_*afa的帖子

给定一个字典，例如：

records = {0:{'name':'John', 'salary':'5000'}, 1:{'name':'Bob', 'salary':'3500'}}

如果我想获取并存储（在 csv 中）一个数据框，例如：

name  salary
John   5000

通过使用记录 [0] 作为访问内部字典的方式，我该怎么做？

我试过了：

df = pd.DataFrame(records[0], index=[0])

df= pd.DataFrame(list(records[0].values()), columns=list(records[0].keys()))

df= pd.DataFrame.from_dict(records[key], orient='columns')

但是他们都没有按预期工作（第二个给了我一个错误，第一个和最后一个只有一列）

给定一批形状为 (batch, c, h, w) 的图像，我想将其重塑为 (-1, 深度, c, h, w)，使得大小为 d 的第 i 个“块”包含帧 i -> i+d。基本上，使用 .view(-1, d, c, h, w) 会将张量重塑为 d 大小的块，其中第一个图像的索引将是 d 的倍数，这不是我想要的。

标量示例：

如果原始张量类似于：

[1,2,3,4,5,6,7,8,9,10,11,12] and d is 2; 

view()会返回：[[1,2],[3,4],[5,6],[7,8],[9,10],[11,12]];

但是，我想得到：

[[1,2],[2,3],[3,4],[4,5],[5,6],[6,7],[7,8],[8,9],[9,10],[10,11],[11,12]]

我编写了这个函数来做到这一点：

def chunk_slicing(data, depth):
    output = []
    for i in range(data.shape[0] - depth+1):
        temp = data[i:i+depth]
        output.append(temp)
    return torch.Tensor(np.array([t.numpy() for t in output]))

但是我需要一个可用作 PyTorch 模型一部分的函数，因为此函数会导致此错误：

RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.