优化的目标：更好、更快梯度局部最小优化的头号敌人是梯度为零，梯度为零即有众所周知的局部最小，还有鞍部点。但幸好在高维空间局部最小并非经常出现，例如下面左图，在一维空间上红点是局部最小，但在二维空间上红点是鞍部点。实际模型参数空间十分复杂，在右侧二维空间的局部最小也在高维空间中大多不是局部最小。batch size用大batch size还是小的呢？较大的batch size训练更快，较小的batc

pip安装完pytorch=1.13.1后，build代码时出错：原因因为pytorch1.13安装时会给我们自动安装但由于一般用户已经安装CUDAtoolkit，所以会产生这个错误。

python gdal.RasterizeLayer根据矢量创建栅格实现如下，RasterizeLayer支持shp、geojson等获取的矢量图层。注意：burn_values=[1] 参数一定是序列[1]，不能是1，否则报错：TypeError: not a sequenceimport gdalfrom osgeo import ogrfg = 'polygon.geojso...

并不是所有的torch方法都支持半精度计算。测试半精度计算需要在cuda上，cpu不支持半精度。因此首先需要创建半精度变量，并放到cuda设备上。部分方法在低版本不支持，在高版本支持半精度计算，部分方法一直不支持。例如行列式计算torch.linalg.det()不支持半精度。d = a.det()是半精度计算，出错，***not implemented for 'Half'c = b.det()

这些错误都指向内存重复释放问题，但是暂时无法定位。不过实验发现在文件写操作中增加sleep能缓解错误出现的频率，例如。在执行一个IO很高的oython程序时，会出现内存问题产生内核错误，导致崩溃。

机器已经安装nvidia驱动，且正常使用，重启后找不到显卡驱动打开终端，用nvidia-smi查看一下，发现如下报错：NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver.Make sure that the latest NVIDIA driver is installed and running

华为云OBS数据桶的使用模式和AWS类似，可以参考这个链接入门总览_对象存储服务 OBS_快速入门_华为云 (huaweicloud.com)概览OBS最基础的入门操作包括创建桶、上传对象和下载对象，通过这三个操作就能完成数据上传和下载。图1为OBS大致的入门使用流程，实际上针对不同的使用方式有细微的差异，具体差异请参考对应使用方式的指导文档，本入门指导旨在帮助您对OBS的入门操作有个初步的认识。

得益于计算友好且与检测评价指标适配的基于IoU的损失的使用，水平框目标检测领域获得了良好的发展。而旋转检测器通常采用更复杂的SkewIoU(斜IoU)，对基于梯度的训练并不友好。论文提出了基于高斯建模和高斯积有效近似SkewIoU的损失。其包括两项。一是尺度不敏感的中心点损失，用于快速缩短两个边界框中心点的距离。二是距离无关项，采用高斯分布的乘积来模仿SkewIoU的机制。在一定距离内（例如9像素

发展YOLO系列并方便支持实例分割和斜框检测等任务，亮点：设计兼容性backbone和neck，采用大核深度可分离卷积；动态标签分配中采用软标签计算匹配损失；结合训练达到实时检测、实时实例分割和斜框检测SOTA。

pytorch训练时，遇到错误中断CUDA error: device-side assert triggered，按照后面的提示增加环境变量CUDA_LAUNCH_BLOCKING=1