# coding = UTF-8import sysimport osclass Loggerobject def __init__self filename=defaultlog stream=sysstdout # 构造函数接受一个可选的文件名和一个可选的输出流默认为将输出写入标准输出流sysstdout。 selfterminal = stream # 将给定的输出流

在这段代码中，输入数据通过MyDataset类进行处理和加载。MyDataset类继承自torch.utils.data.Dataset类，用于处理和加载数据集。在MyDataset类中，首先通过__init__方法初始化数据集的路径和数据的转换方式。然后，在__getitem__方法中，根据索引获取对应的数据和标签，并进行相应的转换。最后，通过__len__方法返回数据集的长度。

在main函数中，首先通过MyDataset类加载训练集和测试集的数据，并使用torch.utils.data.DataLoader类将数据集转换为可迭代的数据加载器。然后，根据命令行参数选择要使用的模型，并根据是否有可用的CUDA设备将模型转移到GPU上。接下来，定义优化器和损失函数，并计算每个epoch中的批次数。然后，定义训练过程中的准确率列表、损失列表和测试过程中的准确率列表、损失列表。接下来，开始训练过程的循环。在每个epoch中，遍历训练数据集，并调用train函数进行训练，得到训练过程中的准确率、预测结果和损失。然后，计算训练过程中的准确率和损失，并将其添加到相应的列表中。接下来，调用test函数对模型进行测试，得到测试过程中的准确率、损失、特征列表和混淆矩阵。然后，将测试过程中的准确率和损失添加到相应的列表中。最后，调用draw函数绘制准确率和损失的曲线，并保存模型和结果。