In[164], line 64 62 pred = torch.argmax(y, dim=1) 63 # print(int(f.strip('.bmp')), int(pred)) ---> 64 answer.append((int(f.strip('.bmp')), int(pred))) 65 # 排序 66 answer = sorted(answer, key=lambda a: a[0]) ValueError: invalid literal for int() with base 10: 'test\\0_7'

这个错误的原因是在第 64 行使用 `int()` 函数时传入了一个非整数的字符串 `"test\\0_7"`。这可能是因为在 `f.strip('.bmp')` 中的部分文件名包含了其他字符，导致无法转换为整数。

你可以尝试使用正则表达式来提取文件名中的数字，并将其转换为整数，例如：

import re

# ...

match = re.search(r'\d+', f)  # 提取文件名中的数字
file_num = int(match.group())  # 将提取到的数字转换为整数
answer.append((file_num, int(pred)))

这段代码将使用正则表达式 `\d+` 来匹配文件名中的数字，并将其转换为整数。如果文件名中没有数字，则会抛出一个异常，你可以根据具体情况进行处理。

相关问题

y_pred = torch.argmax(y_pred, dim=1)

这是一个关于 PyTorch 深度学习框架中的代码问题，我可以回答。这行代码的作用是对 y_pred 进行 argmax 操作，返回每个样本预测的最大值所在的索引。dim=1 表示在第二个维度上进行操作。

def knn(self, predictions): # perform knn correlation = torch.matmul(predictions, self.features.t()) sample_pred = torch.argmax(correlation, dim=1) class_pred = torch.index_select(self.targets, 0, sample_pred) return class_pred

您好！对于您的问题，这段代码是一个K最近邻（K-Nearest Neighbors）算法的实现。这个函数接受一个预测矩阵作为输入，然后计算预测矩阵与特征矩阵之间的相关性。相关性计算使用了矩阵乘法，即将预测矩阵与特征矩阵的转置相乘。接着，通过在每一行中选择最大值的索引，找到与每个预测样本最相关的特征样本。最后，使用这些最相关的特征样本的类别作为预测结果。返回的结果是一个包含预测类别的张量。