cv-基准流程：

如下，有make_model dict load 啥的 就是在记载预训练模型。
然后，保存模型就是save啥的之类的。

model = Net.make_model(opt)
model_dict = model.state_dict()
pretrained_dict = torch.load(opt.resume, map_location='cuda:0')
for key in model_dict.keys():
    model_dict[key] = pretrained_dict[key]
model.load_state_dict(model_dict)
model = model.to(opt.device)

在inference过程中，一般就会把自己网络模块给导入过来然后方便调用测试：

比如Boosted-VSR网络中就是，导入了Bossted_Basicvsr里面的model_test进行测试

Net就是加载模型。

SRmodel = import_module(opt.model)
Net = import_module('networks.' + opt.model + '_arch')

关于那个传参数的，今天又差点忘了。。。。

有--开头的是可选参数，在终端中传入参数时，要写出--config之类的，不然代码识别不了。

另外，关于另一个action = store_true 就是自动传入这个true，store_false 则是false。

关于mmeditig训练会传入的config文件：

在train.py中利用

Config.fromfile(args.config)

对这个config的配置文件进行解析的。

然后config文件，就写有关于这个网络训练，测试的流程。实现了解耦，很高效简洁。（但具体 怎么调用这个config写的配置文件的东西 暂时。。。）

https://zhuanlan.zhihu.com/p/387484734