qq_35925375的博客

Pytorch应用训练好的模型1.保存训练好的模型：torch.save方法2.加载之前保存的模型：torch.load方法3.对于分类问题的补充4.CPU训练完整代码5.GPU训练1.保存训练好的模型：torch.save方法保存训练好的模型有两种方式，第一种保存模型结构且保存模型参数，第一种方式存在一种陷阱，也就是每次加载模型都得把类定义，或者访问类所在的包。保存方式为：torch.save(模型名, 以pth为后缀的文件)第二种保存方式只保存模型参数，不保存模型结构，这样可以面对较大的网络

Pytorch搭建神经网络步骤1.神经网络骨架：继承Containers中的Module类2.卷积操作：Conv2d类3.池化操作：MaxPool2d类4.非线性激活操作：ReLU类5.全连接操作：Linear类6.序列操作：Sequential类7.损失函数：loss类8.优化器：optim.SGD类进入Pytorch官网，点击Docs下的Pytorch，在右侧点击torch.nn，可以看到搭建神经网络以下步骤中出现的每个类的定义和使用方法。1.神经网络骨架：继承Containers中的Module类

dataset和dataloader的使用1.dataset的使用2.dataloader的使用1.dataset的使用Pytorch提供多种数据集，要下载的话只需进入Pytorch官网，点击Docs下的torchvision，进入之后可以看到下方有多种常用数据集，如COCO、MNIST等，点击想要下载的数据集，进入后会有语句告知如何下载。例如要下载CIFAR数据集，则通过torchvision.datasets.CIFAR10(root: str, train: bool = True, tra

transform中各类用法1.ToTensor转换图片格式2.Normalize图片标准化3.Resize图片大小缩放4.Compose整合以上多个类5.其它类如RandomCrop随机裁剪6.以上类完整代码1.ToTensor转换图片格式transform是一个transform.py文件，里面包含多个类，其中包括ToTensor类，注意ToTensor是一个类，而不是一个方法，所有首先要创建一个对象，然后在用该对象将图片的PIL格式或是numpy格式转化为Tensor格式，代码如下：from P

画图形曲线首先通过SummaryWriter函数获得该变量writer，并且将生成的文件放在名为logs的文件夹下，代码为：from torch.utils.tensorboard import SummaryWriterwriter = SummaryWriter("logs")接着调用add_scalar函数生成需要的曲线图，将生成的图存于上面函数创建的logs文件夹下，其中函数的第一个参数是要生成的图的名字，第二的参数是y轴，第三个参数是x轴。例如生成100以内，y=x的曲线图代码如下：f

在数据的存储方式是同一个类的图片都放在同一个文件夹，且该文件夹被命名为该类标签的名称时，用该种方式制作数据集。所用的是继承pytorch中Dataset类，并重写该类中的init函数和getitem函数。代码如下：from torch.utils.data import Datasetfrom PIL import Imageimport osclass MyData(Dataset): # 类的初始化，用于输入存放图片的根目录文件夹和存放图片的文件夹（此例中存放图片的文件夹名即为.