如何使用PyTorch框架训练Resnet模型于本地数据集？

本文共计6443个文字，预计阅读时间需要26分钟。

原文：本文字是使用PyCharm下的PyTorch框架编写的一个训练本地数据集的Resnet深度学习模型，其中共有两百余行代码，分为main.py、network.py、dataset.py、train.py文件，功能是对本地的数据集进行分类。

使用PyCharm和PyTorch构建Resnet模型，训练本地数据集，代码分布在main.py、network.py、dataset.py、train.py，约200行，实现本地数据集分类。

本文是使用pycharm下的pytorch框架编写一个训练本地数据集的Resnet深度学习模型，其一共有两百行代码左右，分成mian.py、network.py、dataset.py、train.py文件，功能是对本地的数据集进行分类。本文介绍逻辑是总分形式，即首先对总流程进行一个概括，然后分别介绍每个流程中的实现过程（代码+流程图+文字的介绍）。

本文是使用pycharm下的pytorch框架编写一个训练本地数据集的Resnet深度学习模型，其一共有两百行代码左右，分成mian.py、network.py、dataset.py以及train.py文件，功能是对本地的数据集进行分类。本文介绍逻辑是总分形式，即首先对总流程进行一个概括，然后分别介绍每个流程中的实现过程（代码+流程图+文字的介绍）。

对于整个项目的流程首先是加载本地数据集，然后导入Resnet网络，最后进行网络训练。整体来说一个完整的小项目，难度并不高，需要有一定的pytorch语句以及深度学习的基础。

mian.py文件是该项目的总文件，也是训练网络模型的运行文件，文本的介绍流程是随着该文件一 一对代码进行介绍。