PETR code note

1. cfg = Config.fromfile(args.config)

#从args更新读取的config文件，args优先级>cfg优先级，args定义了cfg文件中没有定义的work_dir等参数,还有一部分需要覆盖cfg的参数

2. cfg.merge_from_dict()

   合并字典到配置 通过 cfg.merge_from_dict 函数接口可以实现对字典内容进行合并，典型用法如下：

   cfg_file = osp.join(data_path, 'config/a.py')
   cfg = Config.fromfile(cfg_file)
   input_options = {'item2.a': 1, 'item2.b': 0.1, 'item3': False}
   cfg.merge_from_dict(input_options)
   
   # 原始 a.py 内容为：
   item1 = [1, 2]
   item2 = {'a': 0}
   item3 = True
   item4 = 'test'
   
   # 进行合并后, cfg 内容
   item1 = [1, 2]
   item2 = dict(a=1, b=0.1)
   item3 = False
   item4 = 'test'

3. ```python if cfg.plugin: import importlib

​ #将plugin批量导入模型环境

​ #plugin_dir='projects/mmdet3d_plugin/'

4. torch.backends.cudnn.benchmark = True

   对模型里的卷积层进行预先的优化，也就是在每一个卷积层中测试 cuDNN 提供的所有卷积实现算法，然后选择最快的那个。这样在模型启动的时候，只要额外多花一点点预处理时间，就可以较大幅度地减少训练时间。