Deep-learning-project-Combat-1

介绍

这是一个简单的深度学习实战项目，你甚至可以零基础去使用它， 最近也在学习深度学习有关方面的课程，然后就做了这样一个小项目，感觉比很多的项目要简单易懂，可以分享一下
之前一直不能入门也感觉很烦恼，希望可以给同样经历的人一些帮助。 采用python实现

代码环境：pytorch 文件格式：首先我们新建一个文件夹可以命名为 work1作为项目文件夹
接着新建四个文件夹，分别命名为dataset imgs logs_train model_weight
将核心代码放在与这几个文件夹同一目录下。
dataset：用于存放数据集，这里是采用cifar-10作为样例，因为很小方便使用，不需要去下载，调用train.py时会自动下载数据集，只需要建立好文件夹名称对应就好。 model_weight：当我们训练好一个网络，最重要的当然就是保留好参数啦，将他们放在这个文件夹下，对应的分别是每轮的结果，以.pth格式保存 imgs:包含测试图片，用于测试网络效果。 logs_train：是一个tensorboard保存的events文件，方便在tensorboard上进行每次结果查看，这块不懂可以看度娘。。可以建个文件夹，不使用它
train_gpu_1.py和train_gpu_2.py是一样的，只是写法不同。。
样例版本已经打包成.zip文件上传了，可以看下大致结构。

使用方法1：先运行train.py，或者train_gpu_1，train_gpu_2，接着根据使用test.py查看结果。
使用方法2：如果只是想先看看效果，可以先将myModule_29.pth文件放入model_weight文件夹下，直接调用test.py查看结果，然后再尝试使用train等方法进行训练

软件架构

软件架构说明

安装教程

1. pycharm
2. pytorch

使用说明

使用方法1：先运行train.py，或者train_gpu_1，train_gpu_2，接着根据使用test.py查看结果。
使用方法2：如果只是想先看看效果，可以先将myModule_29.pth文件放入model_weight文件夹下，直接调用test.py查看结果，然后再尝试使用train等方法进行训练。