1. 在使用resnet50的全链接层之前的特征作为分类特征的时候，最好在gap后进行一下batchnorm,单单是使用这样一个bn层，就能将性能提升很多个点。2. 同样的使用resnet50的全链接层前面的特征作为分类特征，直接就将这个2048维的向量送入分类层就完事了，不要再增加embedding 层了，嫁了之后性能很不好，原因可能是这个embeding 层相当于是又增加了一个随机出来的线性层

在进行pytorch 训练时候，输入的数据tensor，以及模型需要.cuda,但是在做损失函数的时候，就不需要将Loss函数设置为cuda形式了，因为此时送入loss的数据已经是cuda类型的了，损失就会在这上面直接计算。...

在python3.10上安装opencv经常出现。为了解决这个问题，不要使用下面的安装。而是直接使用下面的安装。

1CelebA ：CelebA是CelebFaces Attribute的缩写，意即名人人脸属性数据集，其包含10,177个名人身份的202,599张人脸图片，每张图片都做好了特征标记，包含人脸bbox标注框、5个人脸特征点坐标以及40个属性标记，CelebA由香港中文大学开放提供，广泛用于人脸相关的计算机视觉训练任务，可用于人脸属性标识训练、人脸检测训练以及landmark标记等，官方网址：ht

在利用Pytorch进行深度学习的时候，经常是在固定的数据集上进行epoch次训练，常用代码如下所示：import torchimport torch.nn as nnfrom torchvisionimport datasets, transformstransform_list = [transforms.Resize((256,128), interpolatio...

这是我看了感觉很牛逼，可是就是理解不了的文章，希望后来可以高东塔：http://www.360doc.com/content/17/0212/11/35919193_628410589.shtml#

pip --default-time=1000 install -i https://pypi.tuna.tsinghua.edu.cn/simple faiss-gpu

1 创建python 环境我创建一个虚拟环境，名字为pytorch_gpu ，搭配的Python环境为 3.7，命令如下所示：conda create -n pytorch_gpupython=3.72 查看都有哪些虚拟环境的指令：conda info --env3 激活某个环境的指令conda activate pytorch_gpu...

1CelebA ：CelebA是CelebFaces Attribute的缩写，意即名人人脸属性数据集，其包含10,177个名人身份的202,599张人脸图片，每张图片都做好了特征标记，包含人脸bbox标注框、5个人脸特征点坐标以及40个属性标记，CelebA由香港中文大学开放提供，广泛用于人脸相关的计算机视觉训练任务，可用于人脸属性标识训练、人脸检测训练以及landmark标记等，官方网址：ht

torch.unique()的功能类似于数学中的集合，就是挑出tensor中的独立不重复元素。这个方法的参数在官方解释文档中有这么几个:torch.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None)input: 待处理的tensorsorted：是否对返回的无重复张量按照数值进行排列，默认是