从今天开始学习pytorch，在论文进度更新的同时也更新pytorch的学习过程。
在CNN中，有个重要的操作成为卷积，尤其是在图像处理中使用的最多，这里是对torch中nn模块的二维卷积的介绍。
这里是一个计算公式，是比较复杂的计算公式，正常的话输出形状为图像和过滤器相加+1
output_shape = (image_shape-filter_shape+2*padding)/stride + 1
为了让程序能够在后台良好的运行，可以使用这个命令，nohup命令，具体可以参考这里：https://www.jb51.net/article/169825.htm
论文讨论结果
probeset和galleryset的详细定义实在是太难找了，我弄了半天也怎么整明白，probe是探针的意思，galley是画廊的意思，我们需要以probe作为探测数据集，向gallery中进行查询，一般来说，probeset的规模要比galleryset的规模要小，今天对数据集进行了反转，居然发现mAp的值有所提高，显然这样确实会让map的值有所提高，也就是说每次查询不回稀释mAp的值，具体的定义还要再和老师以及学姐进行讨论，暂时先按照目前的理解来记录算了。
另外就是关于loss的，昨天重新看了一下网络结构，发现只是看懂代码的话好像也没有那么难，你只需要定义网络的结构，然后利用pytorch中nn模块的squatial这个函数将网络模型展开就可以，DCNN中网络中最后提高算法精度的话着重还是要看最后的部分和loss计算的部分，loss这块有好几种，无非就是为了收敛起来快，计算的合理这样。
其中之前有个点一直不太理解，就是CNN和NN是不太一样的，在CNN中，w指的是卷积核，我们要训练的也是这个，那么在nn中，指的就是这样的一条条线代表的数字，最后输出的特征和softmax之后点的那个一维的值也是不一样的，要区分清楚自己提取的是特征还是网络最后要进行预测的值，2048-1024这种称为全连接层也就不奇怪了。
代码处理部分
学校迟迟不开学，导致服务器也没人开，这就很尴尬了，老的服务器连起来真的是比较难顶，这边要使用ssh去连接服务器，那么ssh连接服务器的命令是ssh username@ip 这种形式，然后会要求你输入密码。文件传输命令是scp -r localfile username@ip：location。另外在这种形式下为了让服务器能够后台执行任务，需要使用这个命令nohup，jobs 查看任务，然后fg %jobnumber可以将这个放到前台上了并终止掉，在linux中ctrl c是强制终止，然后ctrl z是暂停，关于nohup的详细使用可以查看这里 nohup命令使用
就这样，加油！
来源：CSDN
作者：宋老狗
链接：https://blog.csdn.net/ECHOSON/article/details/104341380