有一个改进，可以简化网络，加快推理 + 训练，效果也不会变差，但是会减少创新点。我该怎么办。

😅😅

发什么会？我要赢了。

我可能要赢了

然而要期末了，感觉能赶上 aaai 也挺好的…

arxiv 没找到类似的 work，但是我好害怕别人先传 arxiv 了。。。。

我操，魔改的模型 work 了，还 work 的挺好的，目前来看模型领域没这么做的，应用领域更是比较空白，卧槽，是不是要赢了？投什么好？aaai 是不是口碑不好？我好害怕我的 idea 文章还没传到 arxiv 就有人先上传了啊，呜呜呜，呜呜呜

我要哭了，终于把 bug 发现了，原来是一个缩进写错了。。。。折磨了我三天啊😭😭😭

虽然没有进展，但是睡前突然有了新的想法！！太困了明早起来再写

改了一天了，想了各种办法，最后却无济于事，

我还没有问老师那个 magic man 是谁，因为我找到了一台新的 magic machine

不是，我是在用一个新的数据集微调一个模型，然后我就看到他的 acc 一直在下降

越训练 acc 越低，不想活了

现在炼丹都不用 train val test 三个集来做训练吗，一个 train 集就把训练做了，保存也看 train 集上的 acc 啥的。有大佬可以说说这种现象吗

我明天白天问一下老师神秘人是谁吧，

我草，真的假的，

我们的服务器登录名都是我们名字的缩写，然后我发现神秘人名字的缩写竟然对不上我们课题组任何一个人

他妈的，有个神秘人一直在高强度用我们为数不多的计算资源（全卡跑满），导致我只能在犄角旮旯的地方用 batch size = 10 来跑训练。。。

写不出代码，谁带我一下

想活不完全就是完全不想活

我导人太好了我草啊啊啊啊真的是有求必应呜呜呜呜呜呜呜呜呜呜呜呜呜

跑通一个代码，很开心。

我什么都不会，但还好我有 gpt-4。

我觉得我最擅长的事就是总结很多文章的 abstract 显得自己懂很多的样子 🤡

代码是抄别人的，方法是合别人的，原理是不清楚的，数据集是过大的，显卡是便宜的，网络是墙内的 🤡

今早起来上服务器一看终于删完了，用的是 perl -e 'for(<*>){((stat)[9]<(unlink))}'。很开心。

https://unix.stackexchange.com/questions/37329/efficiently-delete-large-directory-containing-thousands-of-files

现搜现用，还有个有意思的方法是用 rsync。结果我跑了 3 个小时还没没删完，就 Ctrl+C 了

是，几千万张图片

删除用的是 perl -e 'for(<*>){((stat)[9]<(unlink))}'，说这个方法最快，删了半天也没删掉，还在跑

有点像，合并一些已有的方法，讲好一个故事，大概就是这样吧。目前我想的这个 idea 我觉得还行，没有很不堪，但也没啥吊的

没啥成果，没有真正写出实验报告的实战经历。现在面临 600GB+ 的数据集，一个人有点不知所措。。更有意思的是解压压缩包时没搞好只解压出一半（300 多 GB），现在想删除了重新解压，都半天删不掉

我不认为自己在科研，说成炼丹有点太好听了，我觉得这只是想一些看上去 make sense 的 idea 然后做实验写实验报告。