Pytorch深度学习套路

一、基本配置

1. 调库

2. 超参数

3. 设置 gpu 训练

4. 标签

二、数据读入加载

0. 创造数据，划分训练集、测试集、验证集(带标签)

1. 读入数据

1.1 Pytorch 自带数据集构建Dataset

1.2 自定义Dataset类(class + 多个函数)

2. 加载数据

使用DataLoader来按批次读入数据

三、模型构建

四、模型初始化

五、损失函数

1. 根据场景套函数

2. 根据函数套公式，计算损失

六、优化器

1. 优化器属性和构造

2. 优化器使用

七、训练和评估

1. 训练流程

2. 验证/测试的流程

八、可视化

---

总结：

记住了套路就不会偏航太远，但记住套路还不够。
单独实现每个环节需要“硬功”，把每个环节衔接起来也需要“硬功”，
根据具体需求微调某部分也需要“硬功”。
“硬功”就是程序员的基本功——数学、计算机、程序语言、逻辑能力。
此外，耐心、勤奋、兴趣都很重要。勤奋不只是手敲得勤快、眼看得勤快、班加得勤快，勤于动脑是主体，动脑优先级最高。
如果一动脑就陷入背诵、记忆的陷阱，那就是在偷懒。
逻辑的推演是无法逃避的，背诵、记忆的勤奋应该放在把大脑输出的逻辑快速用代码表示上，忘记了可以回头再去搜，否则会打断思路。
不要写一行代码就去搜一下函数，至少多写几行代码再去批量搜索函数，不要让宝贵的思路被频繁打断，人比GPT强在逻辑思维，而不是敲代码速度和工作时长。