智能数字图像处理：图卷积SGN代码（pytorch）之fit.py和util.py解读

最新推荐文章于 2022-08-18 11:30:28 发布

原创

最新推荐文章于 2022-08-18 11:30:28 发布 · 695 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #大数据 #windows

本文解析了智能数字图像处理中的图卷积神经网络SGN的训练部分，重点介绍了fit.py文件中用于模型训练的参数设置，以及util.py文件中的make_dir方法，该方法用于创建并返回结果输出目录。

fit.py

作用：解析器:argparse.ArgumentParser返回一个添加了fit所需参数的解析器

args = parser.add_argument_group('Training', 'model training')-》对命令行参数进行概念型分组。
args.add_argument('--network', type=str,
help='the neural network to use')-》用于命令项选项与参数解析的模块，通过在程序中定义好我们需要的参数，argparse 将会从 sys.argv 中解析出这些参数，并自动生成帮助和使用信息。

util.py

make_dir方法：

1. output_dir = os.path.join('./results/NTU/')-》路径拼接

2.return output_dir-》返回路径

附上完整代码：

# Copyright (c) Microsoft Corporation. All rights reserved.
# Licensed under the MIT License.
import os
import csv
import numpy as np
import matplotlib.pyplot as plt
import torch.nn as nn
import torch
import os.path as osp

def make_dir(dataset):