Question

在学习某个深度学习框架时，掌握其基本知识和接口固然重要，但如何合理组织代码，使得代码具有良好的可读性和可扩展性也必不可少。本文不会深入讲解过多知识性的东西，更多的则是传授一些经验，这些内容可能有些争议，因其受我个人喜好和 coding 风格影响较大，你可以将这部分当成是一种参考或提议，而不是作为必须遵循的准则。归根到底，都是希望你能以一种更为合理的方式组织自己的程序。

在做深度学习实验或项目时，为了得到最优的模型结果，中间往往需要很多次的尝试和修改。而合理的文件组织结构，以及一些小技巧可以极大地提高代码的易读易用性。根据我的个人经验，在从事大多数深度学习研究时，程序都需要实现以下几个功能：

• 模型定义
• 数据处理和加载
• 训练模型（Train&Validate）
• 训练过程的可视化
• 测试（Test/Inference）

另外程序还应该满足以下几个要求：

• 模型需具有高度可配置性，便于修改参数、修改模型，反复实验
• 代码应具有良好的组织结构，使人一目了然
• 代码应具有良好的说明，使其他人能够理解

在本文我将应用这些内容，并结合实际的例子，来讲解如何用 PyTorch 完成 Kaggle 上的经典比赛：Dogs vs. Cats^[1] 。本文所有示例程序均在 github 上开源 https://github.com/chenyuntc/pytorch-best-practice 。

数据下载

• 从 kaggle 比赛官网 下载所需的数据
• 解压并把训练集和测试集分别放在一个文件夹中

安装

• PyTorch : 可按照 PyTorch 官网 的指南，根据自己的平台安装指定的版本
• 安装指定依赖：

pip install -r requirements.txt

训练

必须首先启动 visdom：

python -m visdom.server

然后使用如下命令启动训练：

# 在 gpu0 上训练,并把可视化结果保存在 visdom 的 classifier env 上
python main.py train --train-data-root=./data/train --use-gpu=True --env=classifier

详细的使用命令 可使用

python main.py help

测试

python main.py test --data-root=./data/test --use-gpu=False --batch-size=256