evaluate_gpu.py

[layumi]

evaluate_gpu.py

[layumi]

你好，index里面存的是序号， 通俗地说，是排序的顺序，变长变短不影响 。 不需要和cmc的长度一致。

[s20163081161]

你好，index里面存的是序号， 通俗地说，是排序的顺序，变长变短不影响 。 不需要和cmc的长度一致。

但是投票的时候不是根据index里的序号来的，如下代码所示
“mask = np.in1d(index, good_index)
rows_good = np.argwhere(mask==True)
rows_good = rows_good.flatten()

cmc[rows_good[0]:] = 1”

[layumi]

我们捋一下。

rows_good 已经是删除过同camera里面的index了，
然后这个index 还是原始cmc里面排序的序号。(删除一些index，不影响序号啊，只是可能断号了。比如原来【5，3，2，4，1】 现在变成【5，3，1】少了2，4，但是这个序号还是能用来索引)
所以能用在cmc上。

[s20163081161]

我们捋一下。
rows_good 已经是删除过同camera里面的index了，
然后这个index 还是原始cmc里面排序的序号。(删除一些index，不影响序号啊，只是可能断号了。比如原来【5，3，2，4，1】 现在变成【5，3，1】少了2，4，但是这个序号还是能用来索引)
所以能用在cmc上。

我是这样理解的。

假设：
原始index = [6,7,5,3,2,4,1]，则 cmc = [0,0,0,0,0,0,0] ，7位

假设junk_index = [6,7]，则去除junk_index后：
index =[5,3,2,4,1]

假设good_index = [3,4,1]，则：
mask = [false,true,false,true,true]
rows_good = [2,4,5]，为mask为true的索引

经过“cmc[rows_good[0]:] = 1”，得
cmc = [0,1,1,1,1,1,1]

也就是说，cmc最终的赋值，跟index里面的序号没关，只和序号在index中的位置（比如序号3排在第二位）有关？？

[layumi]

啊，是这样的。junk是完全不算的（同camera的样本）。
所以你看新的 index =[5,3,2,4,1]
对应的 cmc = [0,1,1,1,1,1,1]

另外，你打错了，，rows_good = [1,3,4]