- trainset = dsets.CIFAR10(root='./CIFAR10/net2/train',train=True,transform=transform1,download=DOWNLOAD)
-
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)
-
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)
- 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
- input的size要求为 (*, 3, 32, 32)
- output的size是: (1, 10),FloatTensor型
- loss = loss_func(outputs, labels)
- 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
- 返回的loss一个Tensor,但是size为(),只有一个floatTensor型的数