Pytorch之构建神经网络细节须知

• trainset = dsets.CIFAR10(root='./CIFAR10/net2/train',train=True,transform=transform1,download=DOWNLOAD)

 

1. trainload = Data.DataLoader(trainset,batch_size=BATCH_SIZE,shuffle=True)                         
   for step,data in enumerate(trainload,0):
       inputs,labels = data   
   inputs的size是： (batch_size, 3, 32, 32) FloatTensor型  （在下载的时候经过transform的处理）
   labels的size是： (batch_size)  FloatTensor型  （在下载的时候经过transform的处理）
   

2. for step,data in enumerate(testset):
       input,label = data
   input的size是： (3,32,32) FloatTensor型 （在下载的时候经过transform的处理）
   label的size是： 单个整数  int型

 

 

• output = net(input)  

1. 传入参数可以为tensor也可以为variable，但尽量传variable吧，反正input在测试的时候都要包装成variable，做参数更新
2. input的size要求为 (*, 3, 32, 32)
3. output的size是： (1, 10)，FloatTensor型 

 

• loss = loss_func(outputs, labels) 

1. 传入参数可以为tensor也可以为variable，但一般传tensor，因为不论是output还是labels都不用包装。数据类型必须为FlaotTensor
2. 返回的loss一个Tensor，但是size为()，只有一个floatTensor型的数