东皇太一在此的博客

介绍hydra这个框架

在 VSCode 的终端中，有时候向上翻记录会停在一个地方，看不到更早的信息，这是因为终端的**缓冲区（buffer size）**有限。默认情况下，终端只会保留一定数量的历史输出记录。如果你正在使用 Linux/Mac 或 Windows 的 WSL 终端，可以使用。

这句话：FlexMatch uses the same loss term with a dynamic threshold。结果是Flexmatch只继承了Fixmatch的loss，动态阈值是它自己的提出来的，Fixmatch本来没有；我读的时候以为是Fixmatch原来有一个loss，也有一个动态阈值，Flexmatch再把它们都继承过来了；好吧，英文阅读很难，一般把他翻译成中文我也不懂；

我在服务器上，就从来没有用git成功过的经历，估计是数据比较大；那我先从github上下载到本地上，再传到服务器上，解压缩后，来到根目录下，，即有setup.py完事啦！

(3) 在哪里找这些数据也已经在。使用这个命令，因为我的环境下。报错信息很多：一部分如下。预训练数据下载好了；

学的是github官方给的教程注意：我运行程序遇到了很多问题。

那么就卸载原来的高版本numpy，重新下载低版本的完事！numpy总是和其他包相冲突，因为numpy很早就有了，大家用的时候版本还很低，所以会和其他比较新的包冲突。

就这样。

是附属于主会的一些研究热点的专题研讨会，而且是独立审稿的。质量比主会要低一些，但是有特别的价值，最大的价值是搞一些比赛。

买了chatgpt4之后，可以截图传给它让它读论文，顺带解析公式和图表。前沿论文没有问题，分析的有理有据，如果不够深入，请继续上传更多背景知识。

将semantic segmentation用在image classification上的好想法。

把相似的样本拉的越近越好，不同的样本越远越好！

Analogous loss” 在机器学习中是一个有用的概念，它允许研究人员和工程师根据特定的应用需求调整或优化损失函数。通过理解和应用这种类型的损失函数，可以在特定的数据和任务约束下实现更优的模型性能。

chatpdf 虽然是个人工智障，但用好的也是一个非常不错的助手；我看不懂Hnt​是什么意思，我这样问他：用big H指代它；(1) 我问它，它这样回答：Fk​∑xyfk​xyfk​xyMc​xy∑kwkc​fk​xywkc​(前面几个公式我修正了一点，它原来显示没有这么漂亮)非常棒，解决了我的问题，主要还是要靠提问技巧：我又这样问它：(2)(3)

所以这里求和是把每一个channel当作独立的，对这么多channel（2048）进行求和，所以求和结果其余维度保持不变，是torch.size([1, 7, 7])；其中，activation : torch.size([1, 2048, 7, 7])，weight : torch.size([1, 2048, 1, 1])，还有一个问题，为什么weight后面的形状是[1, 1]，也可以和之前activation的[7, 7]来相乘；

最最最头疼的就是配环境了。

该项目把代码打包成为了一个库，我们可以直接调用；这是上面那个项目的文档说明；

上一个单元格运行完了train()，我想要用模型输出做点东西，可是提醒我显存不够；在命令行中查看显存占用情况，发现4张卡都占满了，可真是太厉害了！

之前训练的很好的model（mAP=80）保存之后，在另一个文件里加载，结果效果很差劲（mAP=3）；

学习实际项目，比如论文里附带的代码，是很好的学习方式，比单单看Pytorch教程要强！

`for i, ((inputs_w, inputs_s), targets) in enumerate(train_loader)`左边有很多括号，到底怎么写去接受train_loader会合理呢？

确实可以用，有人写了论文证明为什么可以用；先看正常的模型加载（），同样的模型保存，再用同样的模型加载；

读CV论文的时候，遇到的不认识专业词汇。

读代码的时候先以函数为单位梳理逻辑链条，再多抄几遍代码，最后运行并调试几遍。

教你怎么理解深度学习项目Python代码，以`Multi-label learning from single positive label`为例；

运行项目代码是第一步哦！