RMT的pytorch笔记（不定期更新）_rmt-wxm

序：pytorch是灵活的深度学习开发平台

pytorch是一个灵活的深度学习开发平台，对于张量的操作与科学计算库numpy非常相似，使得这个库比较容易上手。

本文主要针对pytorch深度学习的初学者，作为笔记而非详细的教程或API，带有较强的个人化倾向和补充性质，对于一些较深的内容往往点到为止，在广度上也并不做特意追求。同时，与其它介绍pytorch的博客的不同之处在于，本文不仅介绍pytorch本身的用法，还结合了作者使用时的经验，增加了许多“周边”内容，比如python本身的一些功能，一些有用的库等等。

增加这些内容是因为对于经验不深、编程水平有限的读者来说，要想读懂github等平台上的现成项目代码，不仅需要了解与pytorch等深度学习库相关的代码，还要了解背景知识。额外介绍一些与深度学习无关的python附加内容，可以减少读者查阅资料的工作量。

零、用pytorch写一个神经网络完成任务大概要写哪些东西

在我自己学习tensorflow与pytorch的时候看了许多教程，有的非常详细。他们会告诉你，什么叫tensor，tensor的运算法则，然后给出一个简单的任务，从库里面调用数据集，等等等等。这样的讲法很细致，但是对于你手头的任务完全没有帮助。因为你所要用到的东西，教程里面可能几乎并没有涉及。这让人非常痛苦。所以首先的，当你使用pytorch完成一个任务的时候，你需要写的代码包括如下几个部分——

• 数据集文件：这是你的放在文件夹或各种表格里的数据和pytorch之间的桥梁，API接口
• 配置文件：这里存放你的程序会用到的各种常量，比如训练的轮数、batch_size的大小、学习率的初值与衰减的比例，还有各种文件的路径等等
• 训练脚本：这是用来训练的脚本，这里会定义训练函数train、评估函数eval，还会设置可视化用到的writer与保存模型的函数

一、准备工作

1.1 特殊文件格式简介

1.1.1 pkl文件是python的二进制文件

pickle库可以生成pkl文件，并以此作为python读取的数据文件。通过pickle.dump()可以存储，而通过先open再pickle.load()可以加载。dump可以存储多种数据，列表、字典、对象等等，使用时，第一个参数代表需要存储的内容，第二个参数代表pkl文件的路径+名称。读取时，一定按照二进制'rb'去open，之后再load.

import pickle


with open(example.pkl, 'rb') as fpkl:
	info = pickle.load(fpkl)
1
2
3
4
5

通常，训练好的模型参数使用pkl格式，pt格式或pth格式存储。这时候，使用torch.save()和torch.load()函数，在之后会介绍。

1.1.2 npy文件是numpy专用的二进制文件

使用np.save()