code学习 - batch-dropblock-network+attention

参考：论文Batch DropBlock Network for Person Re-identification and Beyond 全文翻译简单解读以及代码理解复现

进入文件夹操作：

当前位置 cd .

上一级文件位置 cd …

返回上一步操作 cd -

进入Home文件 cd ~

显示文件路径 pwd

文件及文件夹操作：

创建文件 touch

创建文件夹 mkdir

创建多重文件夹 mkdir -p

删除文件 rm

删除文件夹 rmdir

batch-drop readme：

This project requires python3, cython, torch, torchvision, scikit-learn, tensorboardX, fire.
评价：
--save_dir='./pytorch-ckpt/market_bfe'  存储名字要改
--model_name=bfe 
--train_batch=32 
--test_batch=32 
--dataset=market1501 
--pretrained_model='./pytorch-ckpt/market_bfe/944.pth.tar' 
--evaluate

##　attention readme：

python train.py -s market1501 -t market1501 \
    --flip-eval --eval-freq 1 \
    --label-smooth \
    --criterion htri \
    --lambda-htri 0.1  \
    --data-augment crop random-erase \
    --margin 1.2 \
    --train-batch-size 64 \
    --height 384 \
    --width 128 \
    --optim adam --lr 0.0003 \
    --stepsize 20 40 \
    --gpu-devices 4,5 \
    --max-epoch 80 \
    --save-dir path/to/dir \
    --arch resnet50 \
    --use-of \
    --abd-dan cam pam \
    --abd-np 2 \
    --shallow-cam \
    --use-ow

### 首先：

conda activate pytorch1.3

• 进入数据集所在位置
• python 数据集所在位置

数据集

tr 481 30058 20
qu 200 1678 19
ga 200 11579 19

遇到问题:

问题： 程序运行没有报错，但是也无法获得结果。
错误原因：是进入了程序中的文件—未解决

报错问题：ModuleNotFoundError: No module named 'tensorboardX'
解决：首先进入环境后，pip install tensorboardX

报错问题：字符串和 数组之间的关系 [] 看看调用的是字符串还是组–很重要 这是基础知识

常见报错汇总

程序调试方法

‘print’ 语句
这是一个基本的调试问题的方法。 我们在程序中怀疑的地方插入print语句来了解程序的运行流程控制流和变量值的改变。 这是一个最简单的技术， 它的缺点。 需要进行程序编辑，添加’print’语句，必须重新编译，重新运行来获得输出。若需要调试的程序比较大，这将是一个耗时费力的方法。

理论学习

• 1*1卷积(基于升维降维的设计)

代码学习

首先需要知道的是所有的采样器都继承自Sampler这个类，如下：

可以看到主要有三种方法：分别是：

`__init__:` 这个很好理解，就是初始化
`__iter__:` 这个是用来产生迭代索引值的，也就是指定每个step需要读取哪些数据
`__len__:` 这个是用来返回每次迭代器的长度

• 绝对路径

   >>> os.path.abspath("/etc/sysconfig/selinux")
    '/etc/sysconfig/selinux'
    >>> os.getcwd()
    '/root'
    >>> os.path.abspath("python_modu")
    '/root/python_modu'

几个可以参考的链接：
从0开始行人在识别
解决code问题
在Linux服务器上运行机器学习/深度学习python程序