阅读了论文 Multi-Spectral Vehicle Re-Identification: A Challenge
论文为多模态重识别构建了两个数据集。
RGBN300，其中捕获300个车的50125张RGB及近红外摄像图片。
RGBNT100，其中捕获了100个车的17250张RGB、近红外、热红外摄像图片。
同时设计了一个异质协作感知的多光谱卷积网络模型来完成在多光谱成像条件下的车辆重识别任务。

代码工作：

• 在vhicleID数据集上跑了模型，效果还是差点。
• 在调试multi-modal-vehicle-reid的代码，分别在两个其两个数据集上训练。
• 学习分布式训练的实现方法，尝试修改之前pven项目的代码。

问题分析

• 多模态的代码最开始在RGBNT100上跑，效果差3、4个点，后面仔细根据论文方法，对比代码，发现代码没有实现三种光谱的损失函数。
  使用相同版本的不同cudatoolkit，多机分布会报错。
  
  修改为相同的 cudatoolkit 版本即可。

在pven上使用多机分布式时，文件名重复的问题。

单个机器会运行两遍训练前相关配置的流程，因此写入记录文件时，下面这行代码运行了两次。

  writter = SummaryWriter(
        comment=f"{cfg.data.name}_{cfg.model.name}__{cfg.data.batch_size}")

在pven上修改代码时，遇到使用多机分布式卡住的问题，正在想办法解决。