学习笔记2019.7.17-22

pytorch
nn.Conv2d（原通道数，现通道数，kernel_size=, padding=一般是(kernel_size-1)/2）
不同stride的maxpooling的作用

vgg可以根据https://github.com/pytorch/vision/blob/master/torchvision/models/vgg.py
写个循环定义出来
添加Vgg额外的层：仿照以上的循环，只要把设置通道数和pooling的位置就好，卷积过程特征图大小不变

vgg的使用：到con5_3后面的都是fine_trun,根据数据自定义

如何定义网络分支：在定义model的向前传递时，在分叉的地方，把x输入到不同的卷积里，结果统一打包到一起。

关于ssd的疑问:

1. maxpooling不一样的kernal size和stride有什么意义，特别是特征图经历pooling前后不变化的，如kernel3*3，padding=1，stride=1
2. delition的影响是什么
3. 1维卷积的意义？增加了非线性，表达能力提高，同增加深度的意义一样，因为做了激活层
4. 最后的anchor数很多，不同尺度的特征层定了个box数根本没意义，只是限定了每层的anchor数的比例。

ssd的代码逻辑：

1. 数据处理py：如coco, voc， 针对数据集提供的格式写个接口，即一个类，定义该类的一个功能为输出需要的格式，类的__init__里面读取数据，类的功能里整理数据成需要的格式，对于ssd输入格式为img[]