self.result=[]增加

如果您想要在self.result列表中添加一个元素，可以使用append()方法。例如，如果您想要将元素"k"添加到self.result列表中，可以这样写：

self.result.append(k)

这将在self.result列表的末尾添加一个元素"k"。如果您想要添加一个元组，可以使用类似下面的代码：

self.result.append(("", k, "交易{}".format(k), ("node", "label")))

这将在self.result列表的末尾添加一个元组，其中包含一个空字符串、变量k的值、字符串"交易{}"中插入变量k后得到的字符串、以及一个元组("node", "label")。

相关问题

class SelfAttention(nn.Module): def __init__(self, in_channels, reduction=4): super(SelfAttention, self).__init__() self.avg_pool = nn.AdaptiveAvgPool2d((1, 1)) self.fc1 = nn.Conv2d(in_channels, in_channels // reduction, 1, bias=False) self.relu = nn.ReLU(inplace=True) self.fc2 = nn.Conv2d(in_channels // reduction, in_channels, 1, bias=False) self.sigmoid = nn.Sigmoid() def forward(self, x): # print("x=", x) b, c, n = x.size() y = self.avg_pool(x) y = self.fc1(y) y = self.relu(y) y = self.fc2(y) y = self.sigmoid(y) return x * y.expand_as(x)这是我注意力机制模块的代码，却在运行时报错提示： File "/root/autodl-tmp/project/tools/../lib/net/pointnet2_msg.py", line 91, in forward y = self.fc1(y) File "/root/miniconda3/lib/python3.8/site-packages/torch/nn/modules/module.py", line 727, in _call_impl result = self.forward(*input, **kwargs) File "/root/miniconda3/lib/python3.8/site-packages/torch/nn/modules/conv.py", line 423, in forward return self._conv_forward(input, self.weight) File "/root/miniconda3/lib/python3.8/site-packages/torch/nn/modules/conv.py", line 419, in _conv_forward return F.conv2d(input, weight, self.bias, self.stride, RuntimeError: Expected 4-dimensional input for 4-dimensional weight [256, 1024, 1, 1], but got 3-dimensional input of size [16, 1, 1] instead

这个错误是由于你的输入张量 `x` 的维度不正确，期望是一个 4 维张量，但是实际上 `x` 是一个 3 维张量。可以看出，你的 `x` 的尺寸为 `[batch_size, channel, n]`，其中 `n` 表示序列的长度，并且你使用了全局平均池化层对 `n` 进行了降维。最终，`y` 的尺寸应该是 `[batch_size, channel // reduction, 1, 1]`。但是，在你使用 `self.fc1(y)` 进行卷积时，它期望 `y` 是一个 4 维张量，而实际上 `y` 是一个 3 维张量，所以会报错。

解决这个问题，你可以在 `forward` 函数中增加一个维度，将 `y` 变成一个 4 维张量。修改后的代码如下：

class SelfAttention(nn.Module):
    def __init__(self, in_channels, reduction=4):
        super(SelfAttention, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d((1, 1))
        self.fc1 = nn.Conv2d(in_channels, in_channels // reduction, 1, bias=False)
        self.relu = nn.ReLU(inplace=True)
        self.fc2 = nn.Conv2d(in_channels // reduction, in_channels, 1, bias=False)
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        b, c, n = x.size()
        y = self.avg_pool(x)
        y = y.unsqueeze(-1).unsqueeze(-1)  # 增加两个维度，变成 4 维张量
        y = self.fc1(y)
        y = self.relu(y)
        y = self.fc2(y)
        y = self.sigmoid(y)
        return x * y.expand_as(x)

增加维度的操作使用 `unsqueeze` 函数，将 `y` 在最后两个维度上增加维度。这样就可以避免报错了。

def setUpClass(cls): cls.process = process cls.cns = ConnectSrt(process=cls.process) cls.last_result = None def tearDown(self): self.last_result = self._outcome.result def test01_connect(self): #用例描述 """ 正确密码连接 """ #增加打印Log，方便明确当前为第几条测试用例 logger.info("执行设备管理：正确密码连接---TestCase1---") data = { "passwd": 1234 } try: #传输data-passwd数据，执行DeviceManagement-Connect方法 self.cns.Connect(**data) assert self.cns.dlg['Connected'].exists() logger.info("设备管理：正确密码连接---测试PASS---") except Exception as e: logger.info("FAIL") logger.error(str(e)) logger.info("设备管理：正确密码连接---测试FAIL---") self.assertEqual(True, False) @unittest.skipIf(cls.last_result and cls.last_result.failures,reason="last_testcase is failed") def test02_disconnect(self): 装饰器报错说cls未定义

这个错误可能是因为在 `test02_disconnect` 方法中使用了 `cls` 这个变量，但是它没有被定义。可以尝试在 `setUpClass` 方法中定义 `cls` 变量，例如：

@classmethod
def setUpClass(cls):
    cls.process = process
    cls.cns = ConnectSrt(process=cls.process)
    cls.last_result = None
    cls.cls_var = "some value"

然后在 `test02_disconnect` 方法中使用 `cls.cls_var` 来访问这个变量。这样就能避免使用未定义的变量导致的错误了。