pytorch应用结构

1 模型类

1.1 init()

1.2 forward()

2 怎么使用

2.1 模型类初始化model = Model_Class(args...)，这里的参数是模型参数，不是具体的数据

2.2 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。

torch.no_grad():

而with torch.no_grad()则主要是用于停止autograd模块的工作，以起到加速和节省显存的作用，具体行为就是停止gradient计算，从而节省了GPU算力和显存，但是并不会影响dropout和batchnorm层的行为。

2.3 model(具体数据)，参数是按照forward()里面参数来传的，这个时候就会调用model.forward()