告密者的下场 (第2/2页)
　　
　　train_loss=train_sum_loss*1.0/len(trainDataLoader)
　　
　　train_correct=train_sum_correct*1.0/len(trainDataLoader)/batch_size
　　
　　train_precision=train_sum_tp*1.0/(train_sum_fp+train_sum_tp)
　　
　　train_recall=train_sum_tp*1.0/(train_sum_fn+train_sum_tp)
　　
　　writer.add_scalar(“trainloss“,train_loss,global_step=epoch)
　　
　　writer.add_scalar(“traincorrect“,
　　
　　train_correct,global_step=epoch)
　　
　　writer.add_scalar(“trainprecision“,
　　
　　train_precision,global_step=epoch)
　　
　　writer.add_scalar(“trainrecall“,train_recall,global_step=epoch)
　　
　　ifnotos.path.exists(“models_aug_CNN“):
　　
　　os.mkdir(“models_aug_CNN“)
　　
　　torch.save(net.state_dict(),“models_aug_CNN/{}.pth“.format(epoch+1))
　　
　　scheduler.step()
　　
　　sum_loss=0
　　
　　sum_correct=0
　　
　　test_sum_fp=0
　　
　　test_sum_fn=0
　　
　　test_sum_tp=0
　　
　　test_sum_tn=0
　　
　　fori,datainenumerate(testDataLoader):
　　
　　net.eval()
　　
　　inputs,labels=data
　　
　　inputs=inputs.unsqueeze(1).to(torch.float32)
　　
　　labels=labels.type(torch.LongTensor)
　　
　　inputs,labels=inputs.to(device),labels.to(device)
　　
　　outputs=net(inputs)
　　
　　loss=loss_func(outputs,labels)
　　
　　_,pred=torch.max(outputs.data,dim=1)
　　
　　acc=pred.eq(labels.data).cpu().sum()
　　
　　one=torch.ones_like(labels)
　　
　　zero=torch.zeros_like(labels)
　　
　　tn=((labels==zero)*(pred==zero)).sum()
　　
　　tp=((labels==one)*(pred==one)).sum()
　　
　　fp=((labels==zero)*(pred==one)).sum()
　　
　　fn=((labels==one)*(pred==zero)).sum()
　　
　　test_sum_fn+=fn.item()
　　
　　test_sum_fp+=fp.item()
　　
　　test_sum_tn+=tn.item()
　　
　　test_sum_tp+=tp.item()
　　
　　sum_loss+=loss.item()
　　
　　sum_correct+=acc.item()
　　
　　test_precision=test_sum_tp*1.0/(test_sum_fp+test_sum_tp)
　　
　　test_recall=test_sum_tp*1.0/(test_sum_fn+test_sum_tp)
　　
　　test_loss=sum_loss*1.0/len(testDataLoader)
　　
　　test_correct=sum_correct*1.0/len(testDataLoader)/batch_size
　　
　　writer.add_scalar(“testloss“,test_loss,global_step=epoch+1)
　　
　　writer.add_scalar(“testcorrect“,test_correct,global_step=epoch+1)
　　
　　writer.add_scalar
　　
　　(“testprecision“,test_precision,global_step=epoch+1)
　　
　　writer.add_scala
　　
　　r(“testrecall“,test_recall,global_step=epoch+1)
　　
　　print(“epochis“,epoch,“trainloss“,train_loss,“traincorrect“,train_correct,“testlossis“,
　　
　　test_loss,“testcorrectis:“,test_correct,“train_precision:“,train_precision,“test_precision:“,
　　
　　test_precision,“train_recall:“,train_recall,“test_recall:“,test_recall)
　　
　　writer.close()
　　
　　可以说非常之高大粗壮，也给山里面人带来了很多不便，为了开发山里面的土地，或者给山里面阳光，村民决定砍伐这棵树。他们砍了整整一天，给树砍了，一股七彩的光芒就飞进了树林。村民就非常爽，晚上就抱着他们女朋友进入了甜蜜的梦乡。
　　
　　可第二天他们发现树又长回来了，这次不是python这次是特么java。他们又砍树，但第二天又长出来了，这树C，C++，C#,JavaScript,Perl,PHP,DelhiPascal,Go，SQL，Matlab，Scratch一样一个。具体是什么我就不写了我怕你们打我。
　　
　　有一个精通电脑的长老提出来了，很久以前一个叫莱茵的男人犯了病，惹怒了达摩和迦叶波。非常难受，被变成了狮子。
　　
　　这个sb树肯定是这sb莱茵捣的鬼。
　　
　　于是长老就π人在晚上守夜。果然他们看见了莱茵偷偷嵌入呸潜入他们树墩下，他们发现这个树没有砍干净还剩了一个
　　
　　#include〈studio.h〉
　　
　　intmain()
　　
　　莱茵用这个舌头一舔，这树就分分钟长成了参天大树。
　　
　　这sb守夜人也不组织而是禀报给了长老。长老一看十分生气。下令给这个#include〈studio.h〉intmain()
　　
　　也连根拔起烧了。
　　
　　之后狮子发现没有树可以舔了十分难受，有一天他正在路上走着，发现了一根女人叫sb蓄渴衅，他对这个女人说：“sb蓄渴衅，我分分钟就能吃了你，但是我不会吃你，现在我还要给你名贵的药草，让你当药科大学公派留学生，你能不能帮我弄死你们sb长老。”
　　
　　sb蓄渴衅一听wc，非常爽。就成了莱茵的卧底当了恨国党。天天泄露长老的机密。
　　
　　长老也发现不对劲，就下令说：“我们之中出来了一个告密者，恨国党，历史虚无主义者，我已经知道它的名字了，我奉劝它能够改邪归正在明天带着莱茵的头颅来见我，要么它只有死路一条。”
　　
　　蓄渴衅十分慌张，它找到莱茵商量对策，莱茵说：“非常简单，我给你一个别的狮子的头颅。”
　　
　　蓄渴衅照做了，拿着别的狮子的头颅见了长老，长老一见sb蓄渴衅，酷驰一摆拳，呱嗒一个刺拳，框汤一个鞭腿给它打成了sb，不，本来就是sb。给它皮扒了十八层，骨灰扬到水沟里头。看着蓄渴衅痛苦地死去，长老非常地爽，然后揪出来了在丛林里潜伏的莱茵，夸差，咣当，酷驰一波操作给他也打成了渣渣。
　　
　　最后，他大吼“看清楚没有，这就是sb告密者的下场。”
　　
　　先别急着幸福生活，现在这个侯丰文又出来了，跟大家再瞎说几句。
　　
　　有人说爱国是种美德，是种修养。我觉得是特么屁的美德修养，你特么身为一个人类，你也算是个人了，你国都不爱你算特么什么人类。我都想问不爱国的这些畜牲们一句为什么，到底为什么，有人说物种多样性呀遗传多样性，这特么解释不通啊，妈的物种多样性也特么不是这个地方多样吧，我都不太能把这种东西看成一种生物。
　　
　　在我看来，爱国已经是最廉价，最基本的品质，一个人可以尖酸刻薄，可以不自律颓废，可以一事无成，可以贪婪吝啬，都不能用你的语言和身体攻击那个给我们稳定幸福生活，养育我们长大的祖国。
　　
　　对于这类恨国的粪便蛆虫（对不起侮辱粪便蛆虫了）在英雄们冲锋陷阵时，它们肆意嘲讽。在英雄们为国捐躯时，它们恶毒诅咒。它们嘤嘤狗吠自以为不朽，用放屁一般的言语，歪曲事实，虚无历史，辱骂先烈。
　　
　　我为同这种人生在一片空气里而耻辱而羞愧！
　　
　　这篇文章不好意思，没有凝华主旨和幸福生活。我要让我的每个读者看到！面对这些蛆虫粪便，我们没必要冷静，我们没必要克制。只有卸掉他们肮脏的头颅，才是对高尚英雄真正地告慰。