.
├── checkpoint
│  └── Mnist_LeNet_V1				#dir,存储Mnist数据集下LeNet的模型和日志文件
├── dataLoader						#dir,存储数据集处理函数
│  ├── __init__.py
│  ├── MNIST.py					#Mnist数据及文件
├── metric							#dir,存储各类的metric
│  ├── classifyMetric.py			#分类有关的metric
│  ├── __init__.py
├── model							#dir,存储各类model
│  ├── __init__.py
│  ├── lenet.py					#LeNet模型,用于Mnist训练
├── trainer							#dir,模型训练器
│  ├── BaseTrainer.py				#所有训练器的父类,存储一些共同操作
│  ├── __init__.py
│  ├── LeNetTrainer.py				#LeNet该网络对应的训练器
├── train.py						#用于模型的训练
├── test.py							#用于模型的测试
├── config.py						#配置文件
└── utils.py						#功能函数

train之前,要依次对GPU、数据集、训练模型、损失函数、优化方法、metrics、tricks进行设置

在config.GPU中进行设置`

• use_gpu: True表示采用GPU
• device_id:所采用的GPU的设备号

以Mnist为例

选择框架存在的数据集

1. 在config.CONFIG['dataset_name']中设置数据集名称

添加框架之外的数据集

1. 在dataLoader文件夹中写好数据加载函数,MnistTrainSet、MnistTestSet
2. 在config中添加数据集参数(数据加载函数所需要的参数)

self.Mnist = dict(dirname='',) ##注意config中的数据集名称要与dataLoader的数据类名称相同

3. 在config.CONFIG['dataset_name']中设置所选的数据集名称

以LeNet为例

1. 在model文件夹中添加模型类LeNet
2. 在config中添加模型类参数(loadLeNet所需要的参数)

self.LeNet = dict() ##注意config中的模型类名称要与model的模型类名称相同

3. 在config.CONFIG['model_name']中设置所选的模型名称

选择torch.nn中的损失函数

1. 在config.CONFIG['criterion_name']中设置所选的损失函数名称CrossEntropyLoss

选择torch.nn中的优化方法

1. 在config.CONFIG['optimizer_name']中设置所选的损失函数名称Adam
2. 在config中添加优化方法参数(优化方法所需要的参数)

self.Adam = dict(
 lr = 0.01, #学习率
 weight_decay = 5e-4, #权重衰减
 )

1. 在metric文件夹中写好相应的metric
2. 在self.config.CONFIG['metrics']中添加所需要的metric,注意:这里metircs为列表,可以选择多个metirc,而且metric函数的输入目前只支持两个参数logits和target

1. 在self.config.CONFIG['adjust_lr']中设置,True 代表采用自适应修改学习率
2. 目前支持的修改学习率方法只有随epoch变更学习率的方法
3. 在self.LRAdjust中设置相应的参数

注意:该选项也应用在test.py的应用中

1. 在self.config.CONFIG['load_model']中设置,True 代表加载预训练模型
2. 在self.config.LoadModel中设置预训练模型的位置(注意:预训练模型所采用的模型要与self.config.CONFIG['model_name']是一样的)

python train.py

test之前,要依次对GPU、数据集、训练模型、metrics进行设置

在config.GPU中进行设置`

• use_gpu: True表示采用GPU
• device_id:所采用的GPU的设备号

以Mnist为例

选择框架存在的数据集

1. 在config.CONFIG['dataset_name']中设置数据集名称

添加框架之外的数据集

1. 在dataLoader文件夹中写好数据加载函数,MnistTrainSet、MnistTestSet
2. 在config中添加数据集参数(数据加载函数所需要的参数)

self.Mnist = dict(dirname='',) ##注意config中的数据集名称要与dataLoader的数据类名称相同

3. 在config.CONFIG['dataset_name']中设置所选的数据集名称

以LeNet为例

1. 在model文件夹中添加模型类LeNet
2. 在config中添加模型类参数(loadLeNet所需要的参数)

self.LeNet = dict() ##注意config中的模型类名称要与model的模型类名称相同

3. 在config.CONFIG['model_name']中设置所选的模型名称

1. 在metric文件夹中写好相应的metric
2. 在self.config.CONFIG['metrics']中添加所需要的metric,注意:这里metircs为列表,可以选择多个metirc,而且metric函数的输入目前只支持两个参数logits和target

注意:该选项也应用在test.py的应用中

1. 在self.config.CONFIG['load_model']中设置,True 代表加载预训练模型
2. 在self.config.LoadModel中设置预训练模型的位置(注意:预训练模型所采用的模型要与self.config.CONFIG['model_name']是一样的)

python test.py