即：我已经设置了在cuda:6上面运行，但是一直显示的是程序运行在cuda:1上面。参数将模型参数映射到一个现有的设备上。

opencv在默认情况下会读取3个通道的图像，如果是灰度图/红外图片则会将其图层复制三次(BGR缺省，B==G==R)，因此读出来的图片是三通道。如果我们想一开始就按照单通道读取灰度图片/红外图片的话，可以在imread()函数中加入相关参数(读取图片时似乎都是三通道图片，只有在灰度处理后才回显示单通道。我们都知道灰度图或者红外图都是单通道图片，而彩色图片是三通道图片。但是当我们用img.读取灰度

真正超详细手把手用YOLOv3训练自己的数据集实战过程记录（Ubuntu18.04）

真正超详细手把手用YOLOv3训练自己的数据集实战过程记录（Ubuntu18.04）

ubunturos18.04melodic16.04kinetic14.04indigo

方式：Ctrl+/ 实现多行同时注释，再次Ctrl+/实现取消注释

由于softmax是对两个类别（正反两类，通常定义为0/1的label）建模，所以对于NLP模型而言（比如泛BERT模型），Bert输出层需要通过一个nn.Linear()全连接层压缩至2维，然后接softmax（pytorch的做法，就是直接接上。sigmoid得到的结果是“分到正确类别的概率和未分到正确类别的概率”，softmax得到的是“分到正确类别的概率和分到错误类别的概率”。前者0.28

ROS通信机制——python实现

今天在重新训练一个之前跑过的模型时候，突然发现训练损失一直居高不下，一直保持在0.6左右，就感觉很奇怪，为什么之前训练的时候没有问题，之前训练的时候loss是正常下降的，为什么今天重新把代码拉出来跑的时候，就出现loss不下降的问题呢？带着这个问题，我就狠狠调试，发现代码逻辑啥的都没有问题，为此调试了一整天，然后刚刚坐在实验室的时候，突然想着要不把中间结果输出看看，然后我就单独挑了几例数据训练一下

真正超详细手把手用YOLOv3训练自己的数据集实战过程记录（Ubuntu18.04）