pytorch学习笔记

一、pytorch模型训练流程：

加载模型(model)
输入数据（数据处理后的数据(input)
模型输出(pred=model(input)
计算损失函数(loss)
反向传播（loss.backward())
参数更新（optimizer.step())

二、数据处理流程：

读取数据：cv2.imread()
修改输入图片尺寸:padded resize
数据结构与通道转化：img = img.transpose((2, 0, 1))[::-1] # HWC to CHW, BGR to RGB
连续性：img = np.ascontiguousarray(img)
转化成tensor，并转到device上（im = torch.from_numpy(im).to(device)）
精度转化（im = im.half() if half else im.float() # uint8 to fp16/32）
归一化（im /= 255 # 0 - 255 to 0.0 - 1.0）
注： 如果不将切片后的数组连续化转化成tensor会失败，也可以用.copy()