模型调用

首先再models/__init__.py中，有以下代码：

from .alexnet import AlexNet
from .resnet34 import ResNet34
from .squeezenet import SqueezeNet
# from torchvision.models import InceptinV3
# from torchvision.models import alexnet as AlexNet

这样主函数在调用时就可以写成：

from models import AlexNetg
#或
import models
model = models.AlexNet()
#或
import models
model = getattr(models,'AlexNet')().eval（)

书中比较推荐的是第三种方法，但是比较绕，个人理解如下：

首先是getattr和eval两个函数的理解:

getattr(x,'foobar')等效于x.foobar

model.eval（)是评估模式，用于验证集和测试集，表示我们用验证集或测试集进行评估时，不改变dropout和batch normalization的参数。

（工程代码中getattr的第二个参数是opt.model，这需要读取配置文件中的model参数，小白还没有具体研究，待研究明白再来这里做下记录。）这样如果再使用别的模型的时候，只需要修改一个字符串就好了，便于后期维护。

模型定义

在说具体的模型之前，先来研究一下basic_module.py中的用来加载和保存模型的接口，首先是以下两个函数

state_dict(destination = None,prefix = '' ,keep_vars = False)

返回一个包含整个模块训练参数的字典表，key值和参数name相一致，prefix添加前缀

load_state_dict(state_dict,strcict =True)

从传入的 state_dict 中复制 网络训练参数和缓存 到当前网络及其子类中去，如果strict为True，传入的训练参数的key值必须准确匹配当前网络参数的key值

初始化时将类属性model_name设置为模型默认的名字，在config.py中可配置

保存模型时，保存模型的所有参数，文件保存在checkpoints文件下，文件用‘alexnet_月日_时.分.秒.pth’命名，需要注意的是windows系统中文件名不能用‘:’，所以第21行中的冒号改为了点号

加载模型时，传入模型路径即可加载

优化器的选择也封装在这里，采用Adam优化器，后面还有一个Flat类，reshape输入数据用，还没研究明白，搞懂回来补充，上代码！

#coding:utf8
import torch as t
import time


class BasicModule(t.nn.Module):
    """
    封装了nn.Module,主要是提供了save和load两个方法
    """

    def __init__(self):
        super(BasicModule,self).__init__()
        self.model_name=str(type(self))# 模型的默认名字

    def save(self, name=None):
        """
        保存模型，默认使用“模型名字+时间”作为文件名
        """
        if name is None:
            prefix = 'checkpoints/' + self.model_name + '_'
            name = time.strftime(prefix + '%m%d_%H.%M.%S.pth')
        t.save(self.state_dict(), name)
        return name

    def load(self, path):
        """
        可加载指定路径的模型
        """
        self.load_state_dict(t.load(path))

    def get_optimizer(self, lr, weight_decay):
        return t.optim.Adam(self.parameters(), lr=lr, weight_decay=weight_decay)


class Flat(t.nn.Module):
    """
    把输入reshape成（batch_size,dim_length）
    """

    def __init__(self):
        super(Flat, self).__init__()
        #self.size = size

    def forward(self, x):
        return x.view(x.size(0), -1)