整理Pytorch代码自己的写作习惯

自己不是纯代码为主，而主要研究算法，因此自己以前全部代码都是停留在能用的阶段，但自从git clone SRPytorch 这一工程后，觉得需要提升自己代码可读性，也便于自己算法的对比。现大体归纳为以下几点：

1、适当的目录

之前很不好的习惯是全部代码放在一处，甚至放在一个文件中。受SRPytorch的启发，按模型构建、模型保存、附加类库等分类，构建适当的目录，如下图

这样工程下只放一个main.py文件即可。

2、充分利用args或者EasyDict

之前习惯在代码上直接做修改做实验，这不利于对比或记录。通过args可以交互式修改参数，便于对比。也可以通过EasyDict，二者本质一样。用args可以参见 https://github.com/thstkdgus35/EDSR-PyTorch/blob/master/src/option.py

用EasyDict可以参考如下

一般会选择将其放在上述Lib文件夹下。

3、适当代码复用

一般情况下，模型不一致，但其训练验证过程基本一致。如果针对每个模型都撰写训练测试代码，无疑是冗余的。在SRPytorch里，每个模型文件夹下有单独的model.py和solver.py。模型定义文件model.py是唯一的，但solver.py文件的训练、测试等代码可复用。如我们可以在Lib文件夹下定义common.py，将各个模型solver.py中相同的部分定义基类如下

这样在每个solver.py文件下，我们可以直接继承自NormalTrainer类。

4、关于数据读取

Pytorch数据读取比较方便，之前习惯于针对数据的特定类，见之前博文

后来发现，如果对于不同数据集，需要重复定义，比较繁琐。因此，将其简化为两步，第一步构建数据集相关类，用于读取全部数据

第二步创建共享数据加载模块

当然本代码不适用于数据量庞大超过内存限度的情况。

 

后续继续更新。。。。