2024的main.py导入的库

 main.py代码是主函数主文件，main.py中用到robot.py  trainer .py  logger.py  utils.py 四个代码中的模块。

为什么没有在主文件中导入 models.py文件呢？？？

#下面是trainer.py文件导入的库
import os
import numpy as np
import cv2
import torch
from torch.autograd import Variable
from models import push_grasp_net, goal_conditioned_net
from scipy import ndimage
import matplotlib.pyplot as plt

from models import push_grasp_net, goal_conditioned_net可能是因为在trainer.py文件中已经导入了models.py中的相关模块（如push_grasp_net, goal_conditioned_net），所以在main.py中就不需要再次导入models.py。

下面是2018年的代码中的Python 脚本文件，其中calibrate.py debug.py plot.py touch.py四个文件在2024年的文件夹中是没有的。

    calibrate.py：可能用于摄像头或传感器的标定（calibration），确保在仿真或真实世界中得到准确的感知数据。
    create.py：可能是用于创建某些对象或者数据的文件，具体功能需要查看代码内容。
    debug.py：通常包含用于调试项目的代码，帮助开发者定位问题或查看中间结果。
    evaluate.py：用于评估模型性能，可能通过测试数据计算抓取或推送的成功率等指标。
    logger.py：通常用于管理日志的生成和保存，记录训练或测试的详细过程。
    main.py：主文件，通常是整个项目的入口点，负责调用其他模块的功能。训练、测试、仿真环境初始化等可能在此文件中实现。
    models.py：定义神经网络模型的文件，通常包括了训练使用的深度学习网络的结构。
    plot.py：可能用于绘制训练过程中的图表，比如绘制抓取成功率、损失等信息。
    README.md：项目说明文件，提供了项目的背景信息、安装步骤、使用指南等。
    robot.py：可能与机器人控制相关的代码，负责控制物理机器人或仿真机器人执行动作。
    touch.py：可能用于触觉传感器或者其他感知手段的数据处理或模拟。
    trainer.py：训练模块，负责模型的训练逻辑，包括前向传递、损失计算和反向传播等。
    utils.py：常用工具函数的集合，用于简化主程序的代码，包含一些辅助性功能，如图像处理、数据加载等。

import time
import datetime
import os
import threading
import argparse
#以上是常见python的库
import numpy as np
import cv2
import torch
#这是导入第三方库
from robot import Robot
from trainer import Trainer
from logger import Logger
import utils
#导入自定义的模块
from tensorboardX import SummaryWriter
from skimage.morphology.convex_hull import convex_hull_image
from scipy.ndimage.morphology import binary_dilation
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
#设置了环境变量CUDA_VISIBLE_DEVICES为'0'，这意味着只有第一个GPU设备可见，其他GPU设备将被隐藏。这在运行需要使用GPU加速的程序时非常有用。

from tensorboardX import SummaryWriter:

这是从tensorboardX库中导入SummaryWriter类。

        TensorBoard是一个用于可视化神经网络训练过程的工具，它可以展示模型的结构、指标变化趋势等。

        SummaryWriter是TensorBoard的一个组件，用于将训练过程中的数据写入日志文件，以便后续使用TensorBoard进行可视化。

 from skimage.morphology.convex_hull import convex_hull_image:

这是从skimage.morphology.convex_hull模块中导入convex_hull_image函数。

        skimage是一个用于图像处理的Python库，morphology子模块提供了一些形态学操作，如膨胀、腐蚀、开运算、闭运算等。

        convex_hull_image函数用于计算二值图像的凸包，即找到一个最小的凸多边形，使得所有原图像中的非零像素都在这个多边形内。

from scipy.ndimage.morphology import binary_dilation:

这是从scipy.ndimage.morphology模块中导入binary_dilation函数。

        scipy是一个用于科学计算的Python库，ndimage子模块提供了对多维图像的处理功能。

        binary_dilation函数用于对二值图像进行膨胀操作，即扩大图像中的白色区域（通常表示前景），可以用于去除噪声、连接相邻的物体等。