pretrained 모델을 기반으로 해서 이미지를 돌릴 때  모델을 만들 때, 왜 config가 필요한지 헷갈려서 문의드립니다.  제가 이해한 내용으로는 pretrained 모델이란 결국 네트워크의 각 weight에 대한 데이터의 집합이기 때문에 config를 통해서 해당 구조에 대한 정보를 입력하지 않으면 전체 모델을 설계 할 수 없기 때문에 그런 것으로 이해하면 될지 아니면 다른 의미가 있는 것인지 알고 싶어 문의드립니다.  기초적인 질문을 해서 죄송합니다. 

안녕하세요.  tiny kitti 데이터로 MMDetection Train 실습 - Train 실행 후 이미지 inferece 강의 마지막 부분에서  model.cfg = cfg 부분의 코드가 이해가 되지 않아서 문의드립니다.  먼저 inferece를 하기 전에 왜 model.cfg = cfg 라는 코드가 필요한지 이해가 되지 않습니다. ㅜㅜ 그런데 해당 작업을 하지 않으면 코드가 되지 않는 것을 보아서 왜 그런지 이해가 되지 않은 상태입니다 .... 애초에 model이라는 객체를 생성할 때 수정된 cfg에 대한 내용이 반영되는 것으로 이해를 하고 있어서요.... 아니면 train_detector(model, datasets, cfg, distributed=False, validate=True)코드 이후에 .. cfg에 대한 부분이 반영이 되고 해당 cfg를 반영하기 위해서 model.cfg = cfg로 작업을 하는지 궁금합니다. 두번째 질문입니다.  model = build_detector(cfg.model, train_cfg=cfg.get('train_cfg'), test_cfg=cfg.get('test_cfg')) model.CLASSES = datasets[0].CLASSES model.cfg 해당 데이터셋을 모델에 넘겨줄 때, model이라는 객체를 생성하는데 왜 이 경우에는 model.cfg의 경우, 에러가 발생하는지 문의드립니다.