[深度学习]-训练和测试模型的常用代码

数据转换

1.numpy->tensor

data = torch.tensor(data)

2.tensor->numpy

非训练数据（训练结束后的tensor）的转换：
data1 = np.array(data1)
如果是训练过程中需要转换，则：
data_ = data.cpu().data.numpy() 动态，会一起改变
opt1 = opt.cpu().detach().numpy() 静态

3.维度转换

opt1 = np.concatenate(opt1, axis=0)

训练

保存模型

torch.save(model.state_dict(), model_path)

测试

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
num_class = 1
model_path = '训练模型保存路径/保存名称.pth'
model = 模型(num_class).to(device)
model.load_state_dict(torch.load(model_path))
model.eval()