关于pytorch中的卷积操作

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。

torch.nn.Conv2d()函数详解

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：linux后台执行命令&和nohup的具体使用方法_Linux_脚本之家

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