深度学习短学期大作业：mytorch

1. 环境配置：

pip install -r requirements.txt

2. 使用方法：

2.1 下载 MNIST 数据集：

我们利用 torchvision 提供的接口下载 MNIST 数据集（下载数据集应该不算用 torch 吧）

python mnist_download.py

会把数据集下载到 ./data 目录下。

2.2 训练模型：

运行脚本 mnist_train.py 即可训练模型。脚本提供如下参数：

python mnist_train.py [--data_dir] [--pretrained] [--batch_size] [--epochs] [--model] [--lr] [--momentum] [--weight_decay] [--loss_type]

其中：

• --data_dir：数据集所在目录，默认为 ./data；

• --pretrained：预训练模型所在路径，默认为 None。

• --batch_size：batch 大小，默认为 10，需要输入 10 的倍数。

• --epochs：训练轮数，默认为 100。

• --model：模型名称，默认为 LeNet。也可以选择 FCN，内部是一个简单的全连接网络。

• --lr：学习率，默认为 0.01。

• --momentum：动量，默认为 0.9。

• --weight_decay：权重衰减，默认为 0.0005。

• --loss_type：损失函数，默认为 CrossEntropyLoss。也可以选择 MSELoss。

可以简单按照默认值训练：

python mnist_train.py

每一个 epoch 结束后，如果正确率大于历史最高正确率，则保存模型在当前目录下，格式为 .pkl。

2.3 测试模型：

运行脚本 mnist_test.py 即可测试模型。脚本提供如下参数：

python mnist_test.py [--data_dir] [--pretrained]

• --data_dir：数据集所在目录，默认为 ./data；

• --pretrained：预训练模型所在路径，默认为 LeNet.pkl

用法举例：

python mnist_test.py --pretrained=LeNet.pkl