复现fastreid学到的Linux指令等知识

2020.11.18

在跑车的时候报错：cuda out of memory。
输入：watch -n 0.1 nvidia-smi可以看到GPU的占有率和使用率。0.1表示每0.1秒更新显示。

输入ps -ef可以看到线程。

在重跑模型的时候报错，说端口已被占用。用watch -n 0.1 nvidia-smi还可以看到在运行的的pid，如35427，输入 kill -9 35427，可以看到这个pid被kill掉了。

进入fast-reid-master后，想要查看某个文件，如train_net.py,可以通过输入cat train_net.py看到里面的代码。如果想要修改代码内容，则输入vim train_net.py.

打开代码后，输入i，一般模式变为编辑模式，可以添加修改或删除一些内容，然后按Esc定位到最后一行，输入：wq，将编辑的内容保存并退出。输入：q！不保存修改强制离开。

2020.11.20

今天在用服务器跑识别人的模型，因为服务器是共用的，发现4个GPU（编号从0开始）前两个被别人占用了。所以运行报错。

输入：nvidia-smi -q -i 2，可以看到编号为2的GPU的很多信息，包括使用率和内存占有率。

再输入：CUDA_VISIBLE_DEVICES=2,3 python train_net.py --config-file /home/ry/fast-reid-master/configs/VeRi/sbs_R50-ibn.yml --num-gpu 2指定使用的GPU为2,3，程序运行成功。

2020.12.7

因为车的模型就跑了一个，目前mAP最高才70%多，所以今天想再跑一下其他的模型，但是运行的时候却意外的报错了。

为了偷懒省事，就想把在其他服务器上（被别人占用）能跑通的fast工程直接复制到我正在使用的服务器上。

先把原来的工程删除：

删除文件，直接用rm，如rm requirements.txt。

删除文件夹，用rm -r 文件夹名 或 rm -rf 文件夹名。区别在于前者当文件受保护的时候会再次向你确认删除，后者直接删除。这两个也可以删除文件，此外rmdir 文件夹名可以删除空文件夹。

然后时候scp命令进行复制，运行成功。

2021.1.18

前段时间跑车的识别，mAP已经达到了80%多，在服务器上跑的时候结果浮动很大，低的有7%，较高的有70%。可能是和模型的初始化有关，在训练过程中，可以看到损失值跳动较大。然后在这边的电脑上直接跑发现损失值整体是在下降，最后是2点多，3点多。发现服务器和电脑上分别训练模型时刚开始训练的时候加载的预训练模型(…pth)不一样。

然后最近在标车的数据，有个问题：对于同一种车类的车，其颜色、外观等等都是一样的，只有牌照不同。但是很多图片是模糊的看不清牌照，人工在标数据的时候就有很多不是同一辆车，因为看不清牌照，但颜色外观相似就将其判定为同一辆车了，那如果模型学习的数据都是如此模棱两可，那再实际应用中如何准确识别出同一辆车？那车的准确识别应用在现实生活中是不是只能通过牌照来识别定位跟踪？

后答（2021.3.8）：用车牌进行车辆重识别具有局限性，因为光线、视觉等原因会使得牌照不清楚甚至被遮挡，这样就没法进行重识别了。所以通过车辆的结构、外观等信息进行车辆重识别的研究很有必要和应用前景。目前车辆重识别的主要难点在于两方面，一是类内的高变化性，一是类间的高相似性。

2021年3月1日
寒假回来，重启服务器，输入reboot后，显示亮了一下，显示无信号后黑屏。检查了电源线、网线、显示屏接线都没有松动。

解决：长按主机开关键后重启（主机有红蓝两种显示灯，红色表示硬盘在工作，蓝色表示连接电源。一般情况下蓝灯一直显示，红灯偶有闪烁。），重新加载驱动。这个服务器时间久了没用，驱动会自己掉了。

开机后图标很大，比较模糊。点击设置——系统设置——显示——分辨率：1920X1080(16:9)

2021年3月2日
对于之前车辆重识别的疑问，今天在复现2020年AICIty比赛赛道2冠军的项目查找资料时，看到“人体reid是人脸识别的补充，同理，车辆reid的价值在于伪车牌、套车牌的情况下弥补车牌识别的缺陷，尤其在卡口/电警情况下，查违章、抓逃犯也很有帮助的”。