生命不息，代码不止

在训练时，我一般是开启4-5个终端，每个终端单独执行一个命令，像下列列表一样，每个代表一个终端。以下命令都是直接在终端执行，前提是安装好对应的包或工具。使用vscode或者是pycharm等编译器训练时，有几个常用的命令或者工具。

torch.nnnn.Module：自定义模型需继承并实现forward方法常用层：全连接层：二维卷积层：最大池化层激活函数nn.ReLU()正则化和归一化：随机丢弃，防止过拟合：批归一化：快速构建简单网络torch.nn：交叉熵损失（含 Softmax），多分类任务：均方误差，回归任务：二分类任务根据任务选择合适的损失函数：随机梯度下降：Adam 优化器参数：lr：学习率momentum：动量法参数（SGD）：L2 正则化参数学习率调度器：按步长衰减。

在使用 PyTorch 进行深度学习任务时，Linux 系统提供了强大的命令行工具，帮助我们高效地管理环境、监控资源、处理文件和调试代码。以下是一些常用的 Linux 指令，特别适合 PyTorch 开发者。

cyclegan：https://efrosgans.eecs.berkeley.edu/cyclegan/datasets/

备用下载地址：https://www.123684.com/s/xhlWjv-pRAPh介绍：十个类别：苹果、橙色、鳄梨、猕猴桃、芒果、凤梨、草莓、香蕉、樱桃、西瓜。

导入数据集（对数据集转换为张量）2. 加载数据集（使数据集成为可以进行迭代）3. 搭建卷积模型4. 进行模型训练（每训练一轮查看一次在测试集上的准确率）5. 使用tensorboard进行可视化6. 保存训练后的模型7. 加载训练好的模型进行测试.