從今天開始學習pytorch，在論文進度更新的同時也更新pytorch的學習過程。
在CNN中，有個重要的操作成爲卷積，尤其是在圖像處理中使用的最多，這裏是對torch中nn模塊的二維卷積的介紹。
這裏是一個計算公式，是比較複雜的計算公式，正常的話輸出形狀爲圖像和過濾器相加+1
output_shape = (image_shape-filter_shape+2*padding)/stride + 1
爲了讓程序能夠在後臺良好的運行，可以使用這個命令，nohup命令，具體可以參考這裏：https://www.jb51.net/article/169825.htm
論文討論結果
probeset和galleryset的詳細定義實在是太難找了，我弄了半天也怎麼整明白，probe是探針的意思，galley是畫廊的意思，我們需要以probe作爲探測數據集，向gallery中進行查詢，一般來說，probeset的規模要比galleryset的規模要小，今天對數據集進行了反轉，居然發現mAp的值有所提高，顯然這樣確實會讓map的值有所提高，也就是說每次查詢不回稀釋mAp的值，具體的定義還要再和老師以及學姐進行討論，暫時先按照目前的理解來記錄算了。
另外就是關於loss的，昨天重新看了一下網絡結構，發現只是看懂代碼的話好像也沒有那麼難，你只需要定義網絡的結構，然後利用pytorch中nn模塊的squatial這個函數將網絡模型展開就可以，DCNN中網絡中最後提高算法精度的話着重還是要看最後的部分和loss計算的部分，loss這塊有好幾種，無非就是爲了收斂起來快，計算的合理這樣。
其中之前有個點一直不太理解，就是CNN和NN是不太一樣的，在CNN中，w指的是卷積核，我們要訓練的也是這個，那麼在nn中，指的就是這樣的一條條線代表的數字，最後輸出的特徵和softmax之後點的那個一維的值也是不一樣的，要區分清楚自己提取的是特徵還是網絡最後要進行預測的值，2048-1024這種稱爲全連接層也就不奇怪了。
代碼處理部分
學校遲遲不開學，導致服務器也沒人開，這就很尷尬了，老的服務器連起來真的是比較難頂，這邊要使用ssh去連接服務器，那麼ssh連接服務器的命令是ssh username@ip 這種形式，然後會要求你輸入密碼。文件傳輸命令是scp -r localfile username@ip：location。另外在這種形式下爲了讓服務器能夠後臺執行任務，需要使用這個命令nohup，jobs 查看任務，然後fg %jobnumber可以將這個放到前臺上了並終止掉，在linux中ctrl c是強制終止，然後ctrl z是暫停，關於nohup的詳細使用可以查看這裏 nohup命令使用
就這樣，加油！