前言
LeNet-AlexNet-ZFNet: LeNet-AlexNet-ZFNet一维复现pytorch
VGG: VGG一维复现pytorch
GoogLeNet: GoogLeNet一维复现pytorch
ResNet: ResNet残差网络一维复现pytorch-含残差块复现思路分析
DenseNet: DenseNet一维复现pytorch
包含所有一维经典模型的代码可随意切换训练
为了使用pytorch的深度学习网络除了模型之外还需要深度学习代码的训练例程，其中例程所包含的功能。本例程包含的是分类任务，需要回归任务的例程联系我的邮箱即可，一般我一两天之内肯定会回复。
里面的例程包含一维网络的模板
保存数据
这里的主要原因是有些数据集需要预处理，用一个方法保存预处理之后的数据，这样就不用每次训练都要处理一遍数据，这里训练使用的数据是随机生成的，每一部分都单独写了一个文件。下面分别是保存数据和加载数据。
模型切换
在例程中，可以随意切换所有的经典模型，在测试选用那种模型的时候更方便，也方便后期选择基础模型改造
分类任务
所带的指标
这里包含三个经典指标，损失，训练集准确率，测试集准确率
回归任务
所带的指标
训练集损失、测试集损失
模型链接:
如果需要模型模板,可以关注我通过CSDN推广的的 微信公众号 浩浩的科研笔记 付费资料里花10元购买,可以在模板中随意切换使用经典的网络模型
