一、上周工作

整理代码、设计损失函数并实验、安装LaTeX

二、本周计划

跑实验（未完成）、机器学习、看师兄论文

三、完成情况

3.1 学习师兄师姐的论文框架

3.2 机器学习：神经网络以及构建、前向传播、矩阵乘法

3.3 跑实验

工作站没有空下来。刚刚才开始跑CurveVelA数据集，数据量24000，Epochs240

之后打算去了解服务器，尝试将项目搭载到服务器上去跑，目前准备使用kaggle。

3.4 学习中也有一些新的idea：

1）边缘检测并引入损失函数中

2）在模型的损失函数中引入注意力权重

四、存在的主要问题

1.RuntimeError: Expected all tensors to be on the same device, but found at least two devices

——lpips时出现某些数据在cpu加载，某些在gpu加载。在调试模式下使用.is_cuda属性去查看哪些是在GPU上，哪些是在CPU上，然后统一放在GPU上。

2.转成tensor有几种方法，有些就会报错，他们的区别如下：

3.only one element tensors can be converted to Python scalars

——item()​​方法可以将只有一个元素的张量转换为Python标量。但是，如果张量中有多个元素或者是一个空的张量，那么调用​​item()​​方法会抛出以上错误。 而训练时是一批一批进行训练的，lpips中有多个元素。使用for循环解决。

4.刚刚在工作站跑代码的时候，发现每个epoch的训练时间比最初慢了3min。

——在网络结构只增加一层cbam，且修改了损失函数后，自己猜想应该也不会慢3min。然后开始对比实验进行测试，最后发现是加载lpips模型的问题。因为把加载lpips模型语句放入了循环中（for...in enumerate() 会调用DataLoader类的__iter__方法，将一个batch的数据以数组的形式返回。）

lpips_model = lpips.LPIPS(net="alex", verbose=False)

将加载语句放在循环外，每个epoch训练时间缩短了2min左右。 

五、下一步计划

尝试使用kaggle跑实验，目前了解到的缺点是运行自己的项目会存在参数难以修改的问题，需在本地改。

写论文初稿