项目做得越来越大之后，直接在原先代码上加入新功能是真的会引入越来越多的bug啊。今天一天内发现两个相似的bug，实在是太可恶了！

kernel_size 与 stride 并不一一对应

之前代码定义的模型中，nn.Conv2d的 kernelsize 和 stride 一一对应。但是拓展后的模型有一层不符合之前写的对应规则，导致根据 kernelsize 给 stride 赋值的代码直接出了问题。

要不是今天突然写了个assert判断 shape 估计这辈子都不会发现。

if kernel_size == 3:
    padding = 1
    stride = 1
elif kernel_size == 5:
    padding = 2
    stride = 2
else:
    raise ValueError()

并非所有卷积后面都有ReLU

之间模型中的每一层卷积后面都跟着一个nn.ReLU。但是为了适配新的分辨率要求，设计了一个转换层，它后面并没有nn.ReLU，它的名称规则和之前的卷积相同。与此同时，在模拟计算时，之前写的判断规则直接出错了。o(￣┰￣*)ゞ

-if quant.startswith('classifier_conv'):
+if quant.startswith('classifier_conv') and quant != 'classifier_conv_transfer':
    x[x < 0] = 0

总之，今天发现的两个bug都是从原先代码迁移过来加了点东西，结果判断条件失误。这些问题似乎又没有办法避免，除非在一开始就设计一个可拓展性好的架构，但一开始怎么能意识到之后可能出现的问题呢？做科研又不是做产品，过一段时间就有新的想法，感觉就更不可能考虑那么多了。