一、训练工程1.https://github.com/davidsandberg/facenet，训练得到.meta2.参考工程：https://github.com/nyoki-mtl/keras-facenet把meta转成.h53.参考工程：https://github.com/shubham-shahh/mtcnn_facenet_cpp_tensorRT/tree/develop把.h5

1.run正常，debug就报错：UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xe8 in position 1023: unexpected end of data按照网上说的方法修改在file-setting里都改成utf-8还是不行。2.run正常，debug一直不动。上边两个问题，解决办法是：点击：把断点都取消掉，问题就都解决了

修改anaconda3/envs/realbasicvsr/lib/python3.8/site-packages/mmedit/models/restorers/srgan.py，直接将这个test_mode默认值改为Ture,让程序能走下去就行了。参考：https://blog.csdn.net/liang_baikai/article/details/129296268。这里已经得到了 re

参考：https://www.freesion.com/article/50221187160///第一个参数传入不规则图像的关键点，第二个参数传入需要判断的点

参考：https://blog.csdn.net/iLOVEJohnny/article/details/104602557https://blog.csdn.net/wu694128/article/details/94542858structtimeval{longtv_sec;/*秒*/longtv_usec;/*微妙*/}；struct timeval current_time_infer

from ptflops import get_model_complexity_infofrom torchvision import modelsnet = models.mobilenet_v2()ops, params = get_model_complexity_info(net, (3, 224, 224), as_strings=True,print_per_layer_stat=T

参考代码：https://github.com/Adlik/yolov5yolov5间的模型蒸馏，相同结构的。配置参数加载教师模型。

总述总共可以分为三种方法：基于CNN的方法（绿色分支）；基于相关滤波的方法（黄色分支）；其他的方法（图中others分支）一、传统算法——KCF不用深度学习，只需在第一帧图像中给出目标框的位置，只能做单目标跟踪？难点；运行模糊；遮挡；尺度变化；二、深度学习算法参考：https://zhuanlan.zhihu.com/p/974497241 、IOU2、SORTSORT作为一个粗略的框架，核心就是

（Caffe人脸识别）CosineFace、ArcFace、MobileFaceNet、Combined Margin loss的原理以及在caffe中的层实现转载：https://blog.csdn.net/rainforestgreen/article/details/85232197

把changes里的文件点击加号，会放到status changes，放到status changes里的代码才会提交，没在的不会提交。加完以后输入描述（也可以不描述），然后点击commit，commit之后再点三个点，找到pull和push，分别点击。