- 9.9 上午体检，下午非参第一节，听不懂，考虑退课
回来继续看py，lambda函数还有map、filter、reduce这些函数式编程，对ML、DL这些数据量大的coding还挺能优化的
明天要看一节py，后天两节 - 9.10 下午组会，大分享视频语义分割，小分享时间增强LSTM
换方向multimodal，推举先看CV、NLP，重点CV的detection、NLP的NMT以及这两个领域的综述；这个月mmdetection、openNMT-py，知乎搜目标检测综述、transformer、nmt
换选课，统计☞数据科学
今天的那节python没看完，移步明天；还有PPT要翻译 - 9.11 上午深度学习，人超级多，都挤到门口…下周得早点去
下午数字图像分析，周文罡老师的课，好的批爆，浅显易懂，对CV大有益处，美中不足要闭卷考试…
晚上政治课，不好溜，不带书包应该比较好溜~
PPT事宜争取明天弄完；py类那节快看完了，明天收个尾
中秋不放假了，周五晚上回去吃个饭 - 9.12 上午数据可视化，貌似对以后做PPT有帮助
下午强化学习，离散数学、图论代数结构数理逻辑…好多要补，也不考试，但要用GYM写项目
晚上装pytorch，看detection综述，先把R-CNN paper三天争取看完
python先不看了，不会的到时候再看 - 9.13 肥宅
- 9.14 PPT做了一半，py看完那节
- 9.15 PPT做完；看了一点点mmdetection，明天看RCNN，在mmdetection看有无实现的baseline，自己注解，跑一遍
- 9.16 如何看paper?
- 大致扫一遍，先过一级标题、二级标题、三级标题；主要细看实验部分
- take notes 分几个部分：主要工作、概念理解、核心思路、实验过程、有用链接
文献管理系统Mendely，以后写paper的时候再用，方便reference
- 9.17 看了深度学习那本书的CNN，还有一些图像的基本知识（channel等一些明天还要补充）；要加油入门detection还有NMT了，11月前必须给他拿下
- 9.18 弄明白了channel,CNN，开了2个会
- 9.19 9.20 9.21 实现eigenface算法（人生第一个实验）
- 9.22 实现DFT算法（其实就是写一个循环处理算法公式...），时间复杂度==循环层数
- 9.27 jupyter进阶，
!ls可以调用shell命令 - 9.29 历时两天终于搭建好第一个project
mmdetection的环境，可以成功运行，工程总结：
1.项目的document一定要首先看，从安装（特别注意安装环境！！！这次安装时gcc版本和服务器不一致，浪费了许多时间）到使用（没看getting start文档，上来就开始毫无头绪的看文档，注定没有方向效率低）
2.anaconda的env是个非常好的管理项目环境的工具，项目内部之间的各种库环境依赖特别复杂；开一个新项目就新开一个环境
3.关于debug：最好是先根据document一步步来，遇到问题，先google再baidu，多看几个解决方法，不要上来就试，要多看了解为什么错再尝试修复
4.关于训练：先不要用nohup命令，测试能用的时候再用；小的项目也最好不要用，否则出问题不能立即知道
5.关于环境配置：能用conda装就先用conda装（conda -c 选择安装源时也有讲究，可能用gcc编译的版本不一样，比如mmdetection就必须用-c pytorch源），会解决库之间版本依赖的问题；实在不行再用pip装
6.目标文件不在存放的位置或者想改特定库名等等时 ☞ 软链接（删除时小心）
7.下载任何大文件时，先看有无国内镜像源
8.一般在config及下载的网络文件里改文件路径