本文共 1520 字，大约阅读时间需要 5 分钟。

交叉验证设置

通过交叉验证来评估模型性能，分别设置5个验证指标为'0','1','2','3','4'。对于每个验证指标，执行以下操作：

for cross_val_index in cross_val_lists:    log.write('\n\ncross_val_index: ' + cross_val_index + '\n\n')    if True:        trainval_test(cross_val_index, sigma=30 * 0.1, lam=6 * 0.1)

数据集文件路径

训练集和测试集的文件路径分别为：

TRAIN_FILE = './Classification/NNEW_trainval_' + cross_val_index + '.txt'TEST_FILE = './Classification/NNEW_test_' + cross_val_index + '.txt'

数据集处理

对训练集和测试集分别进行数据增强处理，训练集采用随机裁剪、水平翻转等变换，测试集则仅进行缩放和标准化处理。

dset_train = dataset_processing.DatasetProcessing(    DATA_PATH, TRAIN_FILE, transform=transforms.Compose([        transforms.Scale((256, 256)),        transforms.RandomCrop(224),        transforms.RandomHorizontalFlip(),        transforms.ToTensor(),        RandomRotate(rotation_range=20),        normalize,    ]))dset_test = dataset_processing.DatasetProcessing(    DATA_PATH, TEST_FILE, transform=transforms.Compose([        transforms.Scale((224, 224)),        transforms.ToTensor(),        normalize,    ]))

批量数据加载

使用DataLoader封装训练集和测试集，分别设置不同的批次大小，训练集采用随机洗牌，测试集则不洗牌。

train_loader = DataLoader(dset_train,                          batch_size=BATCH_SIZE,                          shuffle=True,                          num_workers=NUM_WORKERS,                          pin_memory=False)test_loader = DataLoader(dset_test,                         batch_size=BATCH_SIZE_TEST,                         shuffle=False,                         num_workers=NUM_WORKERS,                         pin_memory=False)

训练流程

每个epoch遍历所有批次，完成一次完整的训练循环。