pytorch学习

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。