Task02：Baseline问题与理解

前言

已经过了打卡时间了，幸亏我们可以推迟一下，太烦了，一直在搞baseline。
跟别人的一样的代码，他们能跑，我怎么都出不来。
后来才知道是因为json导入的时候dict没序，但明明python3不是dictionary有序吗？不是别人没改也能跑吗？崩溃了！！！
解决了这个问题开始研究colab，最难的是为什么google disk更新了数据，colab加载后数据还不更新，是有延迟吗？？ 心态爆炸。希望有知道的可以评论跟我说一下，感谢

代码中不知道的函数记录

1、torch.backends.cudnn.deterministic？
将这个 flag 置为True的话，每次返回的卷积算法将是确定的，即默认算法。如果配合上设置 Torch 的随机种子为固定值的话，应该可以保证每次运行网络的时候相同输入的输出是固定的

2、torch.backends.cudnn.benchmark？
这个 GPU 相关的 flag，
设置 torch.backends.cudnn.benchmark=True 将会让程序在开始时花费一点额外时间，为整个网络的每个卷积层搜索最适合它的卷积实现算法，进而实现网络的加速。适用场景是网络结构固定（不是动态变化的），网络的输入形状（包括 batch size，图片大小，输入的通道）是不变的，其实也就是一般情况下都比较适用。反之，如果卷积层的设置一直变化，将会导致程序不停地做优化，反而会耗费更多的时间。

3、class SVHNDataset(Dataset)？
自己写的数据集类，必须继承from torch.utils.data.dataset import Datase，然后自定义两个内置方法：def getitem(self, index):、def len(self):

4、glob.glob()？
返回所有匹配的文件路径列表。它只有一个参数pathname，定义了文件路径匹配规则，这里可以是绝对路径，也可以是相对路径。

5、model_conv = models.resnet18(pretrained=True)？
torchvision.models.resnet18(pretrained=False, ** kwargs)
构建一个resnet18模型。pretrained (bool) – True, 返回在ImageNet上训练好的模型

6、torch.nn.Sequential()？
torch.nn.Sequential是一个Sequential容器，模块将按照构造函数中传递的顺序添加到模块中。通俗的话说，就是根据自己的需求，把不同的函数组合成一个（小的）模块使用或者把组合的模块添加到自己的网络中。

torch.nn.Sequential与torch.nn.Module区别与选择：
使用torch.nn.Module，我们可以根据自己的需求改变传播过程，如RNN等
如果你需要快速构建或者不需要过多的过程，直接使用torch.nn.Sequential即可。

7、nn.Sequential(*list(model_conv.children())[:-1])？
一个继承nn.module的model它包含一个叫做children()的函数，这个函数可以用来提取出model每一层的网络结构，在此基础上进行修改即可，修改方法如下(去除后一层)。

8、feat = feat.view(feat.shape[0], -1)？
最后，项目需要对数据进行分类或者识别，就需要全连接层Linear，这时候就需要将高维数据平铺变为低位数据。就是展成1行，然后进入全连接层。

9、 np.vstack((a,b)) #将两个数组按行放到一起
np.hstack((a,b)# 将两个数组按列放到一起

数据读取与数据增强阅读

1 python中pillow和opencv可以完成图片读取操作
Pillow是Python图像处理函式库(PIL）的一个分支。
Pillow的官方文档：https://pillow.readthedocs.io/en/stable/
OpenCV在功能上比Pillow更加强大很多，学习成本也高很多。
OpenCV官网：https://opencv.org/
OpenCV Github：https://github.com/opencv/opencv
OpenCV 扩展算法库：https://github.com/opencv/opencv_contrib

2数据扩增Data Augmentation
数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。
对于图像分类，数据扩增一般不会改变标签；对于物体检测，数据扩增会改变物体坐标位置；对于图像分割，数据扩增会改变像素标签。
3数据读入
Dataset：对数据集的封装，提供索引方式的对数据样本进行读取
DataLoder：对Dataset进行封装，提供批量读取的迭代读取