Pytorch專案基本結構

梳理一下Pytorch專案的基本結構（其實TF的也差不多是這樣，這種思路可以遷移到別的深度學習框架中）

結構樹

-------checkpoints #存放訓練完成的模型檔案

----xxx.pkl #模型檔案

--------data #存放資料檔案（如txt）或者資料預處理檔案

---__ init __.py

---xxx.txt #資料

---dataset.py #資料集相關

---get_data.sh #一般用於下載某些資料

--------models #存放模型，一般一個模型對應一個.py檔案

---__ init __.py

---xxxNet.py

---xxxModel.py

--------utils #存放一些工具函式，如視覺化等

---__ init __.py

---visualize.py

--------config.py #配置檔案

--------train.py #用於訓練模型，可視為主檔案

--------test.py #用於測試模型

使用.sh檔案下載或者其他方法獲得資料

一般會有一個檔案把資料處理成適合的格式，然後通過載入器（Dataloader）載入模型中使用，這個Dataloader可能是獨立的，也可能整合在train.py裡面

顧名思義，使用載入的資料對定義的模型進行訓練。這個過程基本上是使用train.py進行，結果是你會得到一個.pkl結尾的模型檔案

用一部分資料對訓練好的模型進行測試（這些資料可以來自之前匯入的資料，也可以是新的資料），使用test.py進行，呼叫損失函式，列印日誌（就是你看到的那些在console裡重新整理的log）

就是呼叫即可，先給出我們存放模型的位置，然後載入即可（沒有實操，後續再更新）

注：