日积月累

PYTHON

1. 有路径的地方要注意区别“/”和“\”。ubuntu使用“/”分割文件夹；
2. 对于别人的代码，首先仔细阅读readme中的内容，如果需要修改相应的部分来适配自己的环境或者数据集，在修改的过程中要做好标记，便于在代码调试的过程中改正错误（报错通常出现在我们修改代码的字段）；
3. 将原代码中的多数据集训练改为单数据集训练的过程中，不要只顾修改数据集的路径以及注释部分数据集的使用，还要兼顾其它配置数据，防止代码报错；
4. 程序的进程数（num_works）设为0（使用主进程），通常会首先排除一些错误（由于CPU算力的原因，多线程CPU也可能也不会对多进程产生效果，所以一般设为1或0）；
5. batch_size应从小到大进行实验，这样才能发挥GPU的最佳性能，同时也不会导致程序报错（通常是显存不够用了）；
6. 程序报错了之后，首先将报错原因直接输入搜索引擎查找类似的博客，通常会找到一模一样的报错及有效的解决办法，如果按照博客中的方法不能解决问题，那么就在Traceback的最后一个文件对应的报错位置加“断点”，然后DEBUG分析原因，通常能够很快解决问题。如果还是未能解决问题，考虑将电脑配置严格与原作者的配置对齐；
7. 将tensor转换为图片

def make_image(i, pred_map, pred_frame, name):
    import matplotlib.pyplot as plt
    import os.path
    plt.imshow(pred_map, 'jet')
    pred_frame.axes.get_yaxis().set_visible(False)
    pred_frame.axes.get_xaxis().set_visible(False)
    pred_frame.spines['top'].set_visible(False)
    pred_frame.spines['right'].set_visible(False)
    pred_frame.spines['left'].set_visible(False)
    pred_frame.spines['bottom'].set_visible(False)

    dir = '/home/cz/USER/SCRIPT/python/pytracking/EXTERNAL/imagefile/feature_map/' + name + '/'
    if not os.path.exists(dir):
        os.makedirs(dir)


    pred_name = dir + name + '_' + str(i) + '.png'
    plt.savefig(pred_name, bbox_inches='tight', pad_inches=0, dpi=150)

def pltshow(pred_map, name):
    import matplotlib.pyplot as plt
    import os
    import numpy
    import PySide2
    dirname = os.path.dirname(PySide2.__file__)
    plugin_path = os.path.join(dirname, 'plugins', 'platforms')
    os.environ['QT_QPA_PLATFORM_PLUGIN_PATH'] = plugin_path

    plt.figure(2)
    pred_frame = plt.gca()
    pred_map = pred_map.cpu().detach().numpy()


    if pred_map.ndim == 6:
        for i in range(len(pred_map[0,0,0,:,0,0])):
            pred_mapx = pred_map[0,0,0,i,:,:]
            make_image(i, pred_mapx, pred_frame, name)
    elif pred_map.ndim == 5:
        for i in range(len(pred_map[0,0,:,0,0])):
            pred_mapx = pred_map[0,0,i,:,:]
            make_image(i, pred_mapx, pred_frame, name)
    elif pred_map.ndim == 4:
        for i in range(len(pred_map[0,:,0,0])):
            pred_mapx = pred_map[0,i,:,:]
            make_image(i, pred_mapx, pred_frame, name)
    elif pred_map.ndim == 3:
        for i in range(len(pred_map[:,0,0])):
            pred_mapx = pred_map[i,:,:]
            make_image(i, pred_mapx, pred_frame, name)
    elif pred_map.ndim == 2:
        i = ''
        make_image(i, pred_map, pred_frame, name)
    else:
        print("your pred_map dim is invalidate!")
        raise ValueError


    plt.close(2)


# debug = True # todo c
# if debug: # todo debug
#     from EXTERNAL.code_for_draw.make_feature_map import pltshow
#     pltshow()

UBUNTU

1. 如要删除ubuntu中建立的文件，需在ubuntu中进行删除，如在windows中删除，可能会造成删除不干净的情况；
2. U盘强行拔出后再次插入电脑不能识别？分别在终端输入以下两行命令即可：

sudo fdisk -l
sudo ntfsfix /dev/sdb2

3. 重启可以解决大部分问题；
4. 卡死时的解决办法（键盘还能用的情况下进行重启）：

ctrl+alt+print screen -r-e-i-s-u-b

保持ctrl+alt不动，依次序按下print screen -r-e-i-s-u-b，每个‘-’之间间隔几秒钟；

TRACKING

1. 通常网络的输入要求图像是一个正方形，对图像进行裁减预处理时，不对边界框的宽高进行直接双倍扩展，而是对宽高加上宽高和的一半，这样做有利于后续缩放环节中将裁减出的图形块缩放为正方形。（以上论述纯属经验所得，没有实际论证！）
2. 对代码的阅读一定不要放过任何的细节，细节决定成败！（有时候我们的想法不一定不能实现，而是不注意细节导致性能达不到预期！）

NEURAL NETWORK

1. 对卷积神经网络的参数共享的理解：
   在卷积神经网络出现之前，网络的连接方式主要采用全连接方式，全连接固然可以对图像的每个像素进行加权，但是同时会造成参数量巨大的问题。卷积神经网络利用卷积核在图像上以滑动窗口的方式进行采样，对不同位置的采样来说，与其进行计算的卷积核的权重却是相同的，即权重共享。

MACHINE LEARNING

1. inductive learning & transductive learning（归纳式学习与直推式学习的区别）：
   inductive learning：从已有的数据中归纳出模式来，应用与新的数据和任务。常用的机器学习就是这种模式；
   transductive learning：在给定一些测试数据的情况下，结合已有的训练数据，看能不能推广到测试数据上。