zero_ling

运行python文件时，在前面加上 CUDA_VISIBLE_DEVICES=xxx，xxx是你要指定的gpu序号。如`CUDA_VISIBLE_DEVICES=0,2 python extract_masks.py`表示指定了0、2号两个gpu。注意，序号是从0开始排的，所以如果你只有一个gpu，那么就是`CUDA_VISIBLE_DEVICES=0 python extract_masks.py`

flatten()：压缩维度；transpose()：转置（两个维度）；permute()：按照指定维度排列进行转置（多个维度）

本文主要概括了20年这篇对比学习综述所讲的几个方面：对比表示学习的概念及示例，对比学习中的分类【对比表示学习框架、相似性分类（多感官信号、数据变换、上下文实例关系、序列一致性、自然聚类）、编码器分类、变换头transform heads分类、对比损失函数分类（评分函数、基于能量的利益损失、基于概率的损失、基于互信息的损失）】，在视觉任务中的应用，作者提出的一些讨论

以PPT的形式，论文关键点梳理+关键名词解释

神经网络的训练及测试其实是个相对固定的流程，下面进行详细说明，包括命令行设置基本参数、如数据集路径等其他参数的设置、学习率、损失函数、模型参数的保存与加载及最终train.py与test.py的main()函数写法

利用图神经网络（GNN）的视频/图像分割模型总结，包括对应论文引用示例、模型示意图、主要参数解释及计算、三种模型的相同与不同点对比。

视频对象分割方法（可用作实验对比）：FST，FSEG，SFL，LVO，ARP1、FST(ICCV2013: Fast object segmentation in unconstrained video)两个主要阶段：（1）Efficient initial foreground estimation有效的初始前景估计（2）Foreground-background labelling refinement前景-背景标签细化官方代码链接：http://groups.inf.ed.ac.uk/ca