在自监督学习中，模型坍塌指的是网络学习过程中出现了多样性减少的现象。具体而言，当模型把多个输入数据映射到相同的特征表示时，只考虑了一部分数据的表示，而忽略了其他数据样本的特征，从而导致多样性缺失，对模型的鲁棒性会产生很大的负面影响。在DINO中，student模型接收的是所有的crops图，而teacher模型接收的只是global views的裁剪图。teacher模型的权重参数更新不是基于反向

单机多卡没错，多机多卡报错。修改两处处代码解决问题。

一、安装GitMAC 上安装Git主要有两种方式首先查看电脑是否安装Git，终端输入：git安装过则会输出：WMBdeMacBook-Pro:~ WENBO$ gitusage: git [--version] [--help] [-C <path>] [-c name=value][--exec-path[=<path>]] [--html-path] [--man-pa

opencv的resize和pil的resize结果都不一样，和torchvision.transforms.resize的结果也不一样。板端部署只能用c++的opencv预处理，所以训练时最好也都用opencv处理图片。

因为transforms.Resize当输入为PIL图像时，默认使用的PIL的resize进行处理，除了默认的双线性插值，还会进行antialiasing。参考：https://blog.csdn.net/weixin_41012399/article/details/126049885。PyTorch 中的 torchvision.transforms.Resize 就是采用的 PIL 的 re

参考：https://www.freesion.com/article/31311480188/两种方法一、dst=cv2.addWeighted(img,a,blank,b,g)二、img2 = img_contrast_bright(img,a,b,g)a是对比度调整值0~0.3g是亮度调整值0~100

查看linux下的opencv安装库：pkg-config opencv --libs查看linux下的opencv安装版本：pkg-config opencv --modversion查看linux下的opencv安装路径：sudo find / -iname "*opencv*"参考：https://blog.csdn.net/zhenguo26/article/details/7962723

参考：https://blog.csdn.net/z649431508/article/details/113425275。onnx转化caffe之后，修改prototxt文件，加上globalaverage和reshape层.量化时报错，kernel size is too large, kernel_h = 9。onnx转caffe报错没有globalaverage层。

代码：https://github.com/IDEA-Research/DINO。

总结来说，AP、APr、APc和APf都是用于评估目标检测模型性能的重要指标，但它们分别关注不同的方面：AP关注整体平均精度，APr关注不同召回率下的平均精度，APc和APf则分别关注常见类和频繁类别的检测性能。APr指的是在不同召回率下的平均精确率。具体来说，APr是在不同召回率水平下计算出的AP值的平均值，这有助于了解模型在高召回率情况下的表现。AP的计算通常会根据不同的IoU（交并比）阈值进