coco数据集处理；目标检测；深度学习

刚刚在用租的服务器train的时候，一直显示 out of memory，但是并没有程序在跑，搜索了一下回忆起来之前遇到过这种问题，是自己看不见进程。再次查看显存，会发现已经清空。查看所有的进程与PID。

我们提出了一种将目标检测视为直接集合预测问题的新方法，我们的方法简化了监测管道，有效地消除了对许多手工设计组件的需求，例如非极大值抑制或者锚生成，这些组件有效地编码了我们对任务的先验知识。新框架的主要成分，称为检测转换器或 DETR，是基于集合的全局损失，它通过二部匹配强制唯一的预测，以及变压器编码器-解码器架构。给定一组固定的学习对象查询，DETR 推理对象和全局图像上下文的关系，以并行直接输出

空洞卷积是一种不增加参数量/运算量，同时增加输出单元感受野的一种方法，Atrous卷积，就是带洞的卷积，卷积核是稀疏的，此外，空洞卷积还可以捕捉多尺度上下文信息，通过设置不同的dilation rate，感受野就会不一样，也即获取了多尺度信息，多尺度信息在视觉任务中相当重要。太久不看代码确实生疏了，盯着一堆不同的dilation，不知道有什么作用，论文中说是Atrous卷积，原来就是空洞卷积的意思

是因为同时安装了opencv-python和opencv-contrib-python 版本之间不匹配造成的，删除opencv-contrib-python后opencv-python也会出错，就把两个都删除后安装opencv-python及相匹配的版本的opencv-contrib-python，通过下载低于4.3的版本解决错误。

最后将工程目录下的.idea目录删除，然后重新创建工程。再将之前的解释器全部删除，重新创建即解决了这个问题。使用的是ssh方式，解释器使用的是conda里的自定义的python。后来，尝试了几种方法，都没法解决，比如删了解释器重新添加等。

到此为止coco部分已经改好了，其他就是自己的配置部分，我用的是configs/solo/decoupled-solo_r50_fpn_1x_coco.py，基于solo_r50_fpn_1x_coco.py，先看decoupled-solo_r50_fpn_1x_coco.py，再看solo_r50_fpn_1x_coco.py，怎么把数据集转换为json格式我还没有了解全面，先用这两个数据集进

我们提出了卷积块注意力模块（CBAM），这是一种简单而有效的用于前馈卷积神经网络的注意力模块。给定一个中间特征图，我们的模块依次推断沿着两个独立维度的注意力图，通道和空间，然后将这些注意力图与输入特征图相乘，进行自适应特征细化。由于CBAM是一个轻量级和通用的模块，它可以无缝地集成到任何CNN架构中，几乎没有额外开销，并且可以与基础CNN一起端到端地进行训练。我们通过在ImageNet-1K、MS

提高几乎所有机器学习算法性能的一个非常简单的方法是在相同的数据上训练许多不同的模型，然后对它们的预测进行平均[3]。不幸的是，使用整个模型集合进行预测非常麻烦，并且计算成本可能太高，无法部署到大量用户，尤其是在单个模型是大型神经网络的情况下。Caruana 和他的合作者 [1] 已经证明，可以将集成中的知识压缩到单个模型中，该模型更容易部署，并且我们使用不同的压缩技术进一步开发了这种方法。

Device负责指定计算运行的真实设备，包含aclrtSetDevice、arlrtResetDevice、aclrtGetDevice、aclrtGetRunMode等众多运行时接口用于进行device管理。执行加队列是因为，Enque本身是堵塞的，有一个Enque完成，vector才能启动。计算并行流动起来，实行流水任务，矢量编程任务间通信和同步，矢量中任务间通信与同步。1）计算类：矩阵计算单