今天实验室突然跳闸，开机的时候发现显卡驱动失效了，用nvidia-smi显示如下:NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running这个问题通常是由重启后切换到了新的

这个其实有些项目可视化demo的时候都需要用到cv2(opencv-python)，每次写这部分的时候又是一顿找博客，所以这里自己写一下，方便以后重复使用：

MOT系列：现在用的比较多的是MOT17和MOT20:MOT17: paper, projectMOT20: paper, projectKITTI: paper, projectBDD100K: paper, projectGMOT40: paper, projectTAO: paper, projectDanceTrack: paper, project

Fully-Connected Neural Nets全连接神经网络Fully-Connected Neural Nets(全连接神经网络)Affine layer: foward/backwardReLU activation: forward/backward"Sandwich" layersTwo-layer networkMultilayer networkUpdate rulesSGD+

在炼丹的时候我们会碰到下面两种情况:想连续跑多个训练测试，可以新建一个sh文件，里面按行写上各条命令，然后直接运行这个sh文件就行。这种方法是最简单的，在自己固定有卡和各条命令之间时间逻辑先后关系考虑好，每条命令都能运行的情况下是可以的（这样不用往下看了）还有一种情况，就是自己没有固定的卡，想在别人运行完自己第一时间跑上。或者在上一种情况下，第二条命令还没及时调试好，但是先想让第一条命令先运行着，

其实很早之前就已经写过关于otb这个数据集测试的博客: OTB官方评估代码python版本–评估自己跟踪器，对比其他跟踪器, 不过当时比较紧急没有时间使用matlab版本的工具箱来实现画图，虽然那个python版本的也能够做到，好多人也成功使用，但是还是很多人想用matlab画图，所以我抽空把这部分写一下，力争仔细一步步看完小白也能够成功测试tracker的结果。好，废话不多说。官网的工具箱一般都

这一篇真正开始进入深度学习里面的核心操作了－卷积神经网络，这是继Fully-Connected Neural Nets(全连接神经网络)又比较综合的一次作业，难度会有点。作业主要是完成卷积中的两种基本操作：convolution和max pooling，之后会放出两种快速版本，然后瞬间觉得自己写的朴素版本被吊着打；之后重点还得完成一下针对卷积里面的归一化：Spatial Batch Normali

在跟踪结果以图片形式保存后，有时为了演示会希望将图片序列转换成视频，甚至作成动图插入到博客中，所以这里记录一下自己用的脚本，方便后续取用：我的cv2版本为4.1.0img2video.pyimport osimport cv2# image pathim_dir = '/home/lsm/PycharmProjects/py-MDNet/results/Biker/figs'# output vi

Fully-Connected Neural Nets全连接神经网络Fully-Connected Neural Nets(全连接神经网络)Affine layer: foward/backwardReLU activation: forward/backward"Sandwich" layersTwo-layer networkMultilayer networkUpdate rulesSGD+

在炼丹的时候我们会碰到下面两种情况:想连续跑多个训练测试，可以新建一个sh文件，里面按行写上各条命令，然后直接运行这个sh文件就行。这种方法是最简单的，在自己固定有卡和各条命令之间时间逻辑先后关系考虑好，每条命令都能运行的情况下是可以的（这样不用往下看了）还有一种情况，就是自己没有固定的卡，想在别人运行完自己第一时间跑上。或者在上一种情况下，第二条命令还没及时调试好，但是先想让第一条命令先运行着，