封装与模块化

封装与模块化

项目由一系列的.py文件组成，相当于是模块化编程的思想，这样有几点好处：

1. 首先是每个py文件各司其职，代码清晰、各个模块的作用看名字就一目了然。
   实现了灵活调用，需要哪个就调用哪个，不用在一整个文件里面去搜索、定位。
2. 其次是可复用性强，数据A这次用完之后，下次换成数据B，只需要更改一下路径即可。
3. 最后是调试方便，不用在一整个的海量代码中推理其中一段的意思，按需定位即可。

举例来说：

通用的深度学习文件架构如下：

dataloader.py

负责数据 包括加载、预处理、增强等。

model.py

负责网络结构，包括Unet、ResNet等

train.py

负责训练，包括循环、优化器等

test.py

负责推理，包括加载模型、预测等

utils.py

负责工具函数，包括可视化、计算指标、评估等

封装同理

将功能模块封装在一个个的def定义的函数中，可复用性强.
举例：

def train(csv_path):
    data = load_data(csv_path)
    model.fit(data)
    return model
    
train("train.csv")
当下次想要运行其他数据时：
train("val.csv")

即可直接复用。
快捷、清晰、方便

另一方面，

可维护性强

当发现函数需要修改时，只用改函数本身即可，后面的若干个调用自动生效。
换句话说，就不用再一个个去修改后面调用的语句了。