Opentransformer研读问题记录

1、AudioDataset(Dataset)和DataLoaderX(DataLoader)：

在PyTorch中，数据加载需要自定义数据集类，并用此类来实例化数据对象，实现自定义的数据集需要继承torch.utils.data包中的Dataset类。
  在继承Dataset实现自己的类时，需要实现以下两个Python魔法方法：

getitem(index): 返回一个样本数据，当使用obj[index]时实际就是在调用obj.getitem(index)
len()：返回样本的数量，当使用len(obj)时实际就是在调用obj.len()

2、pytorch model.train()

model.train():
在使用pytorch构建神经网络的时候，训练过程中会在程序上方添加一句model.train()，作用是启用batch normalization和drop out。

model.eval():
测试过程中会使用model.eval()，这时神经网络会沿用batch normalization的值，并不使用drop out。

3、张量类型的转换

x = torch.tensor([1,2,3]) //默认是cpu，类型为FloatTensor
CPU和GPU的Tensor之间转换
从cpu –> gpu，使用x.cuda()即可。//x是torch.cuda.FloatTensor类型
若从gpu –> cpu，则使用x.cpu()。