如何在qqis中快速利用自定义坐标定位，进行准确测量

Posted 2023-05-19 ergui

1. 创建ship文件

 

 

 

 

 2.将shp文件拖到图层

 

 2.右键图层切换到编辑模式

 

 3.点击Numerical Digitize图标 进行编辑（注意选择坐标系）

 

 

 

 

 4.测量应用

 

 

如何在 PyTorch 中添加自定义定位损失函数？

【中文标题】如何在 PyTorch 中添加自定义定位损失函数？

【英文标题】：How to add a custom localization loss function in PyTorch?

【发布时间】：2021-10-03 23:00:27

【问题描述】：

我有一个 PyTorch 网络，它使用 Wi-Fi RSS 数据预测设备的位置。所以输出层包含两个对应于x和y坐标的神经元。我想使用平均定位误差作为损失函数。

即。损失=均值（sqrt（（x_predicted - X_real）^2 +（y_predicted - y_real）^2））

该等式计算预测位置与实际位置之间的误差距离。我怎样才能包含这个而不是 MSE？

【参考方案1】：

正如您在tutorial 中看到的，只需实现一个criterion 函数（您可以随意命名）并使用它：

def custom_loss(output, label):
   return torch.mean(torch.sqrt(torch.sum((output - label)**2))) 

以及代码中的（从链接教程中窃取）：

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = custom_loss(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

HTH