pytorch：项目结构

见到了一个非常elegant的项目代码结构，来自https://github.com/michuanhaohao/reid-strong-baseline.git

~
|- utils
	|- logger.py: 			初始化logger，有正对多卡训练的代码
	|- iotools.py			关于读写的工具库，例如mkdir_if_missing
|- tests
	|- lr_scheduler_test.py	测试了lr_scheduler
|- tools
	|-train.py: 			训练的主体代码
|- data
	|- build.py： 			make_data_loader(): 构造dataloader对象
	|- tranforms
		|- build.py: 		根据train和test，Compose构造不同的transforms
		|- transforms.py: 	自定义transform，随机擦除
	|- datasets
		|- __init__.py		使用工厂模式，对外统一了接口init_dataset，根据传入name去选择。其中存放了一个字典，键是name，值是对象。
		|- base.py：		基类，所有数据集都会用到的一些基础类别
		|- cuhk03.py		特定数据集，只起到存放数据的作用，不继承pytorch的dataset类 
		|- dataset_loader.py	继承pytorch的dataset类，重写__getitem__方法	
	|- samplers
		|- triplet_sampler.py	定义数据集的sampler
	|- collate_batch.py		根据train和test，改变dataloader的行为（非常elegant）
|- modeling
	|- backbones
		|- resnet.py		定义backbone
		|- senet.py			定义backbone
	|- __init__.py
	|- baseline.py			定义实际使用的baseline，在已有模型的基础上进行结构修改。定义了前向传递，加载参数的过程
|- solver					训练器（求解器）
	|- build.py				构造optimizer， 其中有一个利用getattr函数构造optimizer的过程，十分elegant
	|- lr_scheduler.py		定义了lr_scheduler
|- layers					构造不同的损失函数，使用了工厂模式
	|- center_loss.py
|- engine
	|- trainer.py			使用ignite库，似乎是一个很高级优雅灵活的训练库（后面可以再研究）
	|- inference.py			使用ignite库，似乎是一个很高级优雅灵活的训练库（后面可以再研究）
		
	
	

# 以上所有文件夹里都有__init__.py