Pytorch项目基本结构

梳理一下Pytorch项目的基本结构（其实TF的也差不多是这样，这种思路可以迁移到别的深度学习框架中）

结构树

——-checkpoints #存放训练完成的模型文件

—-xxx.pkl #模型文件

——–data #存放数据文件（如txt）或者数据预处理文件

—__ init __.py

—xxx.txt #数据

—dataset.py #数据集相关

—get_data.sh #一般用于下载某些数据

——–models #存放模型，一般一个模型对应一个.py文件

—__ init __.py

—xxxNet.py

—xxxModel.py

——–utils #存放一些工具函数，如可视化等

—__ init __.py

—visualize.py

——–config.py #配置文件

——–train.py #用于训练模型，可视为主文件

——–test.py #用于测试模型

使用.sh文件下载或者其他方法获得数据

一般会有一个文件把数据处理成适合的格式，然后通过加载器（Dataloader）载入模型中使用，这个Dataloader可能是独立的，也可能集成在train.py里面

顾名思义，使用载入的数据对定义的模型进行训练。这个过程基本上是使用train.py进行，结果是你会得到一个.pkl结尾的模型文件

用一部分数据对训练好的模型进行测试（这些数据可以来自之前导入的数据，也可以是新的数据），使用test.py进行，调用损失函数，打印日志（就是你看到的那些在console里刷新的log）

就是调用即可，先给出我们存放模型的位置，然后加载即可（没有实操，后续再更新）

注：