1.pytorch中的网络搭建
models = torch.nn.Sequential(*layers)
or
layer1 = Conv2d(...)(x)
layer2 = Relu()(layer1)
.....
创建网络模块:
class model(torch.nn.Module):
def __init__(self):
pass
def forward(self):
pass
2.pytorch的数据集
搭建方式:
class loaddata(torch.utils.data.Dataset):
def __init__(self):
pass
def __getitem__(self):
pass
def __len__(self):
pass
dataset = Dataloader(loaddata, batchsize=*,shuffle=*)
# 返回的数据为tensor
训练:
train_model.cuda()
x = Variable(x, requires_grad=True).cuda() # 对要进行梯度传播的数据放进容器
optim = torch.optim.Adam()
对于每个循环:
optim.zero_grad()
loss.backward() # LOSS必须是标量
optim.step()
运行data.cuda()时,数据确实已经到了cuda上,但是data这个值是不变的,依然在cpu上,所以要使用时应该是:
data = data.cuda()
这时的data就是在cuda上的数据。