超级会员免费看
本文记录了作者在学习PyTorch过程中对卷积操作的理解，特别是torch.nn.Conv2d()函数的使用。同时，分享了论文讨论中关于数据集probeset和galleryset的困惑，以及数据集反转对mAp值的影响。在代码处理部分，作者提到了远程连接服务器的方法和使用nohup命令进行后台运行的重要性。
从今天开始学习pytorch，在论文进度更新的同时也更新pytorch的学习过程。
在CNN中，有个重要的操作成为卷积，尤其是在图像处理中使用的最多，这里是对torch中nn模块的二维卷积的介绍。
这里是一个计算公式，是比较复杂的计算公式，正常的话输出形状为图像和过滤器相加+1
output_shape = (image_shape-filter_shape+2*padding)/stride + 1
为了让程序能够在后台良好的运行，可以使用这个命令，nohup命令，具体可以参考这里：linux后台执行命令&和nohup的具体使用方法_Linux_脚本之家
论文讨论结果
probeset和galleryset的详细定义实在是太难找了，我弄了半天也怎么整明白，probe是探针的意思，galley是画廊的意思，我们需要以probe作
订阅专栏 解锁全文
1236
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
