使用Pytorch搭建神经网络

Pytorch搭建神经网络的一个简单框架

1.获取神经网络能用的数据（batch）
2.构建网络（具体看自己实现的网络，先不写）
3.建立优化器和训练

torch使用torch.utils.data.DataLoader读取数据，将数据集转换成最终能用的batch，一般搭建网络都需要这个。

import torch.utils.data as data
# dataset 假设dataset是原始数据集
# 先要定义一个class继承torch.utils.data.Dataset
class Mydataset(data.Dataset):
	def __init__(self):
		pass
	def __getitem__(self):
		pass
	def __len__(self):
		pass
# 通过这个子类将原始的数据集转换成DataLoader需要的Dataset类型（或者是IterableDataset 默认是Dataset， 具体看官方文档）。
dataset = Mydataset()
# 得到了Dataset类型的dataset了，然后带入到DataLoader中
# 通过DataLoader得到的就是batch了
batch = data.DataLoader(dataset, 
						batch_size=1, 
						shuffle=False,         
						num_workers=0)
# 得到的batch就可以提取标签和图片进行训练了
batchiterator = iter（batch）
# 建立优化器
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)
for step in range（iteration):
	imgs, labels = next(batchiterator)
	optimizer.zero_grad()
	out = model(img)
	loss = loss_fn(out, labels)
	loss.backward()
	optimizer.step()
	
# 以上可以简单地看做是一个网络搭建的基本框架