代码笔记。

代码笔记：
1.超参数定义和设置代码在option和config等关键字命名，超参数是指定数据存放的路径，训练过程中的batch_size，网络模型的参数等
2.数据集的构建往往命名为dataset.py，重点关注dataloader部分，它决定了提供给每次训练迭代中什么样的数据，即__getitem__的返回值是什么
3.神经网络模型的结构定义代码在以model为命名的文件夹下，前期关注forward函数的定义
4.模型训练的代码命名为train.py，基本步骤：数据集的实例化(dataset)，模型的实例化(model)，优化器的创建(optimizer)，迭代训练(training loop)。找到迭代训练的for循环后，弄清楚这几步：由dataloader给出的数据→送入模型的前向传播→计算loss→反向传播计算梯度(loss.backward)→优化网络参数(optimizer.step)→优化器清空梯度(optimizer.zero_grad)

3.31
今天学会给每个项目设置一个独立的conda，基本安装包的办法， pip install numpy，pip install pandas.
import torch成功，步骤如下
1.安装pip（pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu116）2.如图
1.PMT:Learning Progressive Modality-Shared Transformers for Effective Visible-Infrared Person Re-identification.
2.Pose:On exploring pose estimation as an auxiliary learning task for Visible-Infrared Person Re-identification.
3.USL:Unsupervised Visible-Infrared Person Re-Identification via Progressive Graph Matching and Alternate Learning
选择了第2篇进行复现

4.1
安装apex库成功
首先下载安装包（https://github.com/NVIDIA/apex.git）解压，然后命令行窗口安装
同级目录from文件 import 类报错，报错情况：
原因：Pycharm不会将当前文件目录自动加入Sourse_Path
解决方法：选中.py文件所在的文件夹（如图是classification文件夹），右键 Make Directory as → Sources Root，将当前工作的文件夹加入Source_Path

4.2
No module named 'pytest’错误原因：.py文件名的开头出现了test_，会被pycharm默认为我们要用pytest的方式运行解决方法：
1.修改test_的名字
2.顺着它，把pytest安装了：pip install pytest
3.改掉pycharm自动以pytest运行的方式，见别人的博客：https://blog.youkuaiyun.com/cvnlixiao/article/details/87351491,
我先选择的1，将test改为PoseTestMl，失败
然后pip install pytest，错误解决，并改回test名字

说我test模块的名字不对，啊啊崩溃

解决不了啊啊，换PMT项目了。。加油！
新建conda环境和安装包，以后努力为每个项目配置单独的环境。

遇到了和上个项目一样的问题，
在pycharm中的Terminal中运行：pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt 问题解决。

4.26
1.超参数定义和设置代码在option和config等关键字命名，超参数是指定数据存放的路径，训练过程中的batch_size，网络模型的参数等
2.数据集的构建往往命名为dataset.py，重点关注dataloader部分，它决定了提供给每次训练迭代中什么样的数据，即__getitem__的返回值是什么
3.神经网络模型的结构定义代码在以model为命名的文件夹下，前期关注forward函数的定义
4.模型训练的代码命名为train.py，基本步骤：数据集的实例化(dataset)，模型的实例化(model)，优化器的创建(optimizer)，迭代训练(training loop)。找到迭代训练的for循环后，弄清楚这几步：由dataloader给出的数据→送入模型的前向传播→计算loss→反向传播计算梯度(loss.backward)→优化网络参数(optimizer.step)→优化器清空梯度(optimizer.zero_grad)

公式：根据卷积求stride，padding

4.27
下载SAAI预训练模型SYSU_p7_dp_l2_seed_0.pth
并且运行.pth文件加载模型

结果如下，只保存了参数没有保存网络结构。

解决方法：换个方法加载模型，像加载自己训练好的网络那样加载预训练模型。
主要是把pretrain设成false，然后直接把路径指定到模型所在处，用load_state_dict程序进行加载。

报错
正在看.pth模型
https://blog.youkuaiyun.com/u014264373/article/details/85332181
还是没有找到如何打印.pth的网络模型，.pth文件只在train.sh中出现了
预训练模型讲解：https://www.bilibili.com/video/BV1Bk4y1F72N/?spm_id_from=333.337.search-card.all.click&vd_source=635bca151f3b35eb7c6aad70eb086349
后来经过老袁讲解，把.pth放在与test同一目录下，然后test中的checkpoint的default改为.pth的地址。
4.30

报错原因：当你遇到 ValueError: invalid literal for int() with base 10 错误时，这意味着你的代码尝试使用 int() 函数将一个字符串或其他非整型数据转换为整数，但是这个转换操作失败了，因为给定的字符串或数据不能被解释为一个有效的十进制整数。
我将错误定位到最后一行报错，发现地址获取有问题，改为
的格式，问题解决。

列表超出索引范围，原因：1.可能是下标超出范围 2.可能是list是空的，没有一个元素
5.4
对于之前的问题，列表超出索引值，
终于解决了，将路径分割的split(‘/’)改为split(‘//’)，此时能够划分列表，虽然是很小的问题，但难了我好几天，开心。

现在是再在服务器上跑跑吧。
5.6
在自己win11上用命令行跑一下

Ubuntu环境上：
新建SAAI的conda环境，接下来安装包。

参考Unbuntu下载命令
ubuntu安装apex路程
首先下载了git，下载git成功之后，进行如下命令：

然后，

最后验证成功

主要参考了文章
5.8
运行一下

遇见错误：


呜呜呜test测试结果出来了

5.31
train遇到错误

对应位置：

例如：

save获得不期待的值sava_interval

7.1
复现LLCM实验
创建conda环境


接下来开始安装包