pytorch中的一些细微操作

1. pytorch检验版本是否成功

import torch
print(torch.cuda.is_available())

true则成功，false则失败

2.model.train()，model.eval()的作用

关于代码中的model.train()，model.eval()的说明：
参考 PyTorch进行训练和测试时指定实例化的model模式为：train/eval：
eval即evaluation模式，train即训练模式。仅仅当模型中有Dropout和BatchNorm是才会有影响。因为训练时dropout和BN都开启，而一般而言测试时dropout被关闭，BN中的参数也是利用训练时保留的参数，所以测试时应进入评估模式。

3.Tensor.item()

Tensor.item()：Use torch.Tensor.item() to get a Python number from a tensor containing a single value

4.optimizer.zero_grad()

梯度置零，清空过往梯度，这种操作模式的好处可参考https://www.zhihu.com/question/303070254

5.梯度置零

参考资料：https://www.cnblogs.com/king-lps/p/8570021.html