UniAD的NuScenesE2EDataset继承自NuScenesDataset，其实例里面的eval_detection_configs数据就是这么来的，里面的class_names的值默认是通过dict.keys()获得的，没有转换成Pickler支持的类型，这才导致了TypeError: cannot pickle 'dict_keys' object

这些差异导致检测效果有差异，有时没注意这些细节可能一下想不到原因，由其是同一种算法C++的实现和PIL库的实现有差异时。然后对C++里改算法的实现需要和PIL的实现仔细核确保按位置计算得到的缩放结果值和PIL计算出来的值是非常接近的，像BICUBIC算法的实现，经常有差异。

使用的id_rsa和id_rsa.pub本来是可以用来正常访问github的，在github上个人的账号里也设置了对应的key，怎么在新机器环境下就不行了呢？查看网上别人说的解决办法，出这种错误后，一般人都是重新创建公私钥配置了一遍，这不是我想要的解决办法，但又不知道为何不让访问，感觉上面的Permission denied错误提示说的不明不白的。原来是文件的权限太多了，执行一下chmod 100

Python的virtual env和Anaconda的env可以用来做环境隔离防止不同的模型环境之间在安装时相互影响甚至因为支持包的版本冲突导致不能同时使用，但是不具备打包发布部署的功能，想要调试好一个用于训练或者模型运行调用的环境后直接可以打包发布部署到别的linux机器上，还是非docker莫属，Docker作为隔离运行和部署的工具利器，现在使用越来越多，要想在生产环境中使用同一......

有时遇到有的模型训练或测试脚本执行时遇到torch.autograd.gradcheck()抛出类似如下的错误:有时报的是Jacobian mismatch for output 0 with respect to input 0，这个出错的原因都是一个：torch.autograd.gradcheck()要求参数计算的PyTorch Tensor数据都是torch.DoubleTensor类型的

Ubuntu上卸载已安装的版本：sudo apt-get purge "libnvinfer*"如果想把安装文件都删掉以释放空间，执行:dpkg -l | grep tensorrt查看到安装包名，假如是nv-tensorrt-repo-ubuntu1804-cuda11.1-trt7.2.1.6-ga-20201007，则执行:sudo dpkg -Pnv-tensorrt-repo-ubunt

在Docker容器内使用matplotlib.pyplot画图在运行程序时可能报错说找不到banckend，这时需要安装tkinter

在Jetson板子上多次遇到编译caffe或video-caffe或opencv时或者某些网络模型的python代码内调用的C++版加速算子时，会遇到编译到半路报这种错误:c++: internal compiler error: Segmentation fault (program cc1plus)Please submit a full bug report,...后面更多的信息就不贴出来了

Apollo官网上下载的代码编译是没这个问题的，我用的这个是某个beta版，可能新旧版本代码和编译环境里的bazel版本之间兼容没做好。用Apollo的某个版本的源码，执行。创建容器并进入容器后执行。

​做3D目标检测，首先要了解雷达坐标系和相机坐标系这两个坐标系和数据标注等方面的基础，下面结合kitti3D数据集来讲解。kitti数据集在3D目标检测领域有点类似PASCAL VOC和COCO在2D目标检测和分割领域的经典地位，数据量不算很大，各类别数量很不均衡，但是很多模型要刷榜和发论文都用这个数据集，它里面同时提供了2d和3d目标标注，还有分割和跟踪等数据挺全的，所以用于模型实验和验证以及准