pytorch可视化工具，命令项选项与参数解析，pth文件等

1.可视化工具
context-aware_crowd_counting-pytorch这个代码用的是pytorch中的visdom可视化工具！

里面使用如下：

import visdom
vis = visdom.Visdom()

vis.line(win=1,X=epoch_list, Y=train_loss_list, opts=dict(title='train_loss'))
vis.line(win=2,X=epoch_list, Y=test_error_list, opts=dict(title='test_error'))


vis.image(win=3,img=img,opts=dict(title='img'))
vis.image(win=4,img=gt_dmap/(gt_dmap.max())*255,opts=dict(title='gt_dmap('+str(gt_dmap.sum())+')'))

       vis.image(win=5,img=et_dmap/(et_dmap.max())*255,opts=dict(title='et_dmap('+str(et_dmap.sum())+')'))

2.命令项选项与参数解析
我看过两种吧，一种像SFANet-crowd-counting这种
parser = argparse.ArgumentParser()
parser.add_argument('--bs', default=8, type=int, help='batch size')
parser.add_argument('--epoch', default=500, type=int, help='train epochs')
parser.add_argument('--dataset', default='SHA', type=str, help='dataset')
args = parser.parse_args()
另一种就是FIDT那种
会创建一个config.py文件。里面设置各种参数
但其实本质也是一样的，因为在config.py里面也是import argparse
然后使用parser = argparse.ArgumentParser(description='FIDTM')，只是config.py里面参数比较多吧

3.pth文件
pytorch文件，一般保存pytorch训练的结果(eg:checkpoint_latest.pth)
想看里面是啥，用pycharm断点调试就行，好用巴适！
像SFANet-crowd-counting这个代码跑出来的checkpoint_latest.pth，我调试后感觉里面也是那种字典类型的结构

里面有epoch,model,optimizer,mae,mse,len这些键

我知道为什么有这些键了，因为state里面就是这些键，然后torch.save保存了

        state = {'epoch': epoch, 'model': model.state_dict(), 'optimizer': optimizer.state_dict(), 'mae': mae,
                 'mse': mse}
        torch.save(state, os.path.join(args.save_path, 'checkpoint_latest.pth'))

4.需要弄进gpu里面跑的

model，img，优化器，density