pytorch分类任务训练的一些问题

1.将训练函数的精度计算挪到1个epoch之后，这样就可以计算得到正常的训练集精度和测试集精度

2.将模型输出的softmax去掉，因为交叉熵函数会自己计算softmax值，如果不去掉，相当于计算两次softmax，导致模型不收敛

3.对于类别较多并且每个类别数据较少的数据集，增大batch_size，增加模型的复杂程度，多加线性层等，能够提高分类效果。还可以做数据增强

4.对于报错：RuntimeError: CUDA error: device-side assert triggered
这一般是模型最后的线性层输出数量小于标签数量带来的越界，这类问题必须要用下面这条语句更改：

 model.fc = nn.Linear(input_features, output_features)

我在增加类别后，如果用下面这条语句

model.fc.out_features += new_class_num

虽然能够改变model的线性层输出大小，但是不知为啥还是会报错，这应该是nn.Module类里面一些私有变量的原因，所以最好用上面那条语句更改。