这个时候通过修改代码，想看看自己是否解决了错误，难道还无脑8张卡跑一遍吗？其实可以小批量样本测试一下代码正确性，不一定非得56880个视频样本一股脑八张卡，不然为了测试代码正确性太烧钱了。发现使用分布式8张卡的代码将56880个视频样本生成train.pkl的时候，发现日志文件运行到了最后居然报错了。运行下面代码distribute_custom_2d_skeleton.py的时候。所以不妨小批量

通常情况下,我们会在训练过程的某些周期(epoch)或者在验证集性能提升时保存模型检查点。总之,模型检查点是深度学习中非常重要的概念,它确保了训练过程的可重复性和模型部署的灵活性。在深度学习中,模型检查点(Checkpoint)是指。

When：加了时序信息，比如视频理解中的行为检测任务，需要检测视频中的动作的起始帧到结束帧。Where：定位，对应计算机视觉当中的目标检测任务。What：识别，对应计算机视觉当中的图像分类任务。注意：其实目标检测包括检测框和输出对应类别。

C1的基本结构为：卷积–>ReLU–>池化。

如果总进程数world_size只有 1，那么rank只能是 0，因为只有一个进程在运行。在这种情况下,即使程序进入了分布式模式分支(else具体分析如下:当rank对于rankmy_partannos[0]annos所以即使总进程数为 1,程序也能正常地在分布式模式下运行,并得到和非分布式模式下相同的结果。这种设计确实很灵活,可以让程序适应单机和分布式两种不同的运行环境。当只有一个进程时,代码会

这些行保存了第一个卷积层的核大小、步长以及第一个池化层的步长,以及是否使用 advanced 模式和冻结的阶段数。这几行将输入的参数保存到类的属性中,包括模型深度、是否使用预训练模型、输入通道数、基础通道数以及阶段数。总的来说,这段代码实现了 ResNet 模型的初始化和构建过程,根据输入的参数动态地创建了模型的结构。这几行保存了每个阶段的块数以及输出特征图的索引,并断言输出索引应小于阶段数。这行

https://github.com/kennymckormick/pyskl/blob/main/pyskl/models/cnns/resnet3d_slowonly.pyhttps://github.com/kennymckormick/pyskl/blob/main/configs/rgbpose_conv3d/pose_only.py

./../../表示上一级目录的上一级目录的上一级目录，也就是到root文件夹。这行如果不修改的话，压缩之后的.mp4结尾的视频，会输出到和源视频一样的路径。../表示上一级目录，也就是到configs文件夹表示上一级目录。../../表示上一级目录的上一级目录，也就是到pyskl文件夹。这样.mp4结尾的视频和.avi结尾的视频会混合到一起。第一点：需要安装ffmpeg工具包。第三点：需要修改下

5月17号下午4点半开始训练，训练20个轮次。发现5月17号晚上11点45左右才训练完。我使用的显卡是RTX 4090。也就是说差不多7个小时。

【代码】linux服务器上的matplotlib中文字体设置问题（使用ttf文件）