项目框架

.
├── 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

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

1) GPU

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

2) 数据集

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

3) 训练模型

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

4) 损失函数

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

5) 优化方法

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
        )

6) Metrics

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

7) 自适应修改学习率

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

8) 加载预训练模型

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）

9) 开始训练

python train.py

Test

test之前，要依次对GPU、数据集、训练模型、metrics进行设置

1) GPU

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

2) 数据集

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

3) 训练模型

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

4) Metrics

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

5) 加载预训练模型

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）

9) 开始测试

python test.py