Pytorch項目基本結構

梳理一下Pytorch項目的基本結構（其實TF的也差不多是這樣，這種思路可以遷移到別的深度學習框架中）

結構樹

——-checkpoints #存放訓練完成的模型文件

—-xxx.pkl #模型文件

——–data #存放數據文件（如txt）或者數據預處理文件

—__ init __.py

—xxx.txt #數據

—dataset.py #數據集相關

—get_data.sh #一般用於下載某些數據

——–models #存放模型，一般一個模型對應一個.py文件

—__ init __.py

—xxxNet.py

—xxxModel.py

——–utils #存放一些工具函數，如可視化等

—__ init __.py

—visualize.py

——–config.py #配置文件

——–train.py #用於訓練模型，可視為主文件

——–test.py #用於測試模型

使用.sh文件下載或者其他方法獲得數據

一般會有一個文件把數據處理成適合的格式，然後通過加載器（Dataloader）載入模型中使用，這個Dataloader可能是獨立的，也可能集成在train.py裏面

顧名思義，使用載入的數據對定義的模型進行訓練。這個過程基本上是使用train.py進行，結果是你會得到一個.pkl結尾的模型文件

用一部分數據對訓練好的模型進行測試（這些數據可以來自之前導入的數據，也可以是新的數據），使用test.py進行，調用損失函數，打印日誌（就是你看到的那些在console里刷新的log）

就是調用即可，先給出我們存放模型的位置，然後加載即可（沒有實操，後續再更新）

註：