MoCov2改取样方式及改为单GPU运行

多GPU改单GPU

builder部分的forward()
注释掉的部分

dequeue and equeue部分

main_moco部分
注释此raise

是否分布，改为False

自定义的取样Sampler

main_moco.py

main_worker部分：
生成sampler和dataloader

传参数到train（）

此处取得的img需要再[0]

关于sampler.py内容
再对图片取样时，随意取该帧，并取该帧的后一帧,替换[1]，并按原格式返回

      import random
      import torch.utils.data
      from collections import OrderedDict
      import torch
        import copy
       def no_processing(data):
           return data
      class TrackingSampler(torch.utils.data.Dataset):
        def __init__(self, datasets, processing=no_processing):
        self.datasets = datasets
        # If p not provided, sample uniformly from all videos
        self.processing = processing
       def __len__(self):
           return 7872
    def __getitem__(self, index):
        # Select a dataset
        dataset = self.datasets
        # seq_id and frames
        seq_frame=random.randint(0,7873)
        q=dataset[seq_frame]
        k=dataset[seq_frame+3]
        q[0][1]=k[0][1]
        return q

    class MOCOSampler(TrackingSampler):
    """ See TrackingSampler."""

    def __init__(self, datasets,processing=no_processing):
        super().__init__(datasets=datasets, processing=processing)

加了focal_loss

 # define loss function (criterion) and optimizer
    criterion_focal = FocalLoss().cuda(args.gpu)
    criterion = nn.CrossEntropyLoss().cuda(args.gpu)