标题已经剧透了结果，但是过程还是很重要的，简要回顾一下。

一月份我说不做多任务，做一个新的思路，其实就是项目要做的，将目标扣出来，然后进行姿态分类。只是定位他们用传统方法做，我用深度学习做定位而已。

我当时说先不做项目，其实其实是因为项目的数据从板子来，需要手动处理很久才能出数据，我才不干呢。我要先用matlab数据。

但本质当时研究的就是将目标扣出来后的姿态分类，算法是可以一样的。

所以，实际上这个姿态分类算法已经研究了3个月了。

在说说新服务器吧。新服务器是去年12月底投入使用的，刚好也是我开始搞这个项目姿态分类算法的时候。我给/home分配了6.8T。但是今天几乎要爆满，现在我删了一些数据，还剩下800G空间。

谁用的呢？我。

在/project里，是我的实验代码和记录，占空间多的主要是模型，每次跑实验都会保存每个epoch的模型，用了1.1T。什么概念呢，一个resnet18，大概45M。

/radar_image_data是我放雷达图像的地方，全是matlab的mat数据文件。占用3.8T。一个普通的66*66*41大小场景雷达图像数据，也就1.3M。

模型上，大的小的，预训练的，不预训练的，自己搭的，卷积、全连接、池化、bn、ln、gn、relu、gelu，网络结构，更不说细的参数调整，label smoothing， mixup， warmup炼丹技巧，我都说腻了。

数据上，二维的、三维的、四维的、不同滤波的、不同成像方式的、不同网格的、整个场景的、提取目标的、仿真的、matlab的、c程序的、平衡的、不平衡的、旋转的、平移的、加噪声的、不同随机种子挑选的、交叉验证的，人工清洗过后的。

我一月份主要重点在神经网络，二月份重点在数据，三月份还是数据。

我手动清洗过两次数据，二月份，看了五万多张图片，删除了一万多个有问题的帧。昨天，一天看了近六万张图片，删除了一万三千多个有问题的帧。

我把各种数据、技巧排列组合了个遍，就像搭积木一样，尽力去搭出心目中理想的城堡。

但是，失败了，都失败了，只有一片废墟。

72%，是一个过不去的坎，我都不奢求它能有90%的正确率，起码85%也好看点，但是没有。

它就像被死神扼住了喉咙，无论如何都过不去

仿佛是一种轮回的宿命感，多少努力在命运前也无济于事。

仿佛是一只被困在玻璃杯里的虫子，出不去，但又不知道什么东西在阻挡着。

利用仿真实验数据，我至少知道了深度学习是可以进行姿态分类了。

但是，现实问题没有那么简单，问题就出现在雷达系统中的某一处。

但我已经没有时间了。

我摆出这么多数据，并不是为自己的菜和怠惰打掩护。

我承认我没有全力以赴 ，我还有很多事情要做。

但是，这3个月的研究，已经比我上大学以来做的研究多得多了。

如此多的数据和实验，都达不到质变所要求的量变，再做多几天也没用了。

所以，我在此表示，一切都失败了。

事与愿违。

我可以承受失败，因为我总会遇到她。

但是，项目恐怕承受不了，不过也没办法了。

我要去做大论文了。

就这样吧。

最后，虽然可能这次以后，降低了公司对我们的信任。

搞台雷达回来吧！！！

不然根本研究不出后续的东西。