search

JiaRenChang / PSMNet

Pyramid Stereo Matching Network (CVPR2018)
MIT License
1.43k stars 423 forks source link

about the model and result on the scene flow dataset #53

Open zyfsa opened 6 years ago

zyfsa commented 6 years ago

您好，我发现你release的模型结构不是你论文中最好的模型结构？请问是这样吗？具体有什么不同啊？

我按照你的说明，下载了数据集，然后在scene folw上面直接跑（从头开始训练），我训练了10个epoch,loss（我理解的就是EPE）在测试集是3左右。这个EPE是我直接通过跑main.py那个代码电脑上显示的结果，没有用其他代码测试，请问你看这个EPE也是通过这种方式把？ 此时我的环境是只用了一块GPU卡，bathc size是3，然后测试的时候是2。 请问是我哪里搞错了吗？麻烦您回复

JiaRenChang commented 6 years ago

@zyfsa 使用小batch size的訓練通常比較難練到好的成果，(論文中是使用batch size = 12) 如果您一定需要小batch size 您可以考慮把batch normalization全都換成group normalization

zyfsa commented 6 years ago

谢谢您的回答，因为你这个显存要小一些。，能够一块卡都跑3对图，而其他论文，比如GC-net，我记得他训练的batch size是1，是不是这片论文的更好的性能可能有部分原因来自于这方面呢？请问有对比过吗？

zyfsa commented 6 years ago

您好，我发现你release的模型结构不是你论文中最好的模型结构？具体有什么不同啊？麻烦说明一下，就是您放到kitti2015评测的结果用的是哪个模型啊？我发现代码中的dila=1,2 ,not the paper (2,4)

zyfsa commented 6 years ago

您好，我发现你release的模型结构不是你论文中最好的模型结构？具体有什么不同啊？麻烦说明一下，就是您放到kitti2015评测的结果用的是哪个模型啊？我发现代码中的dila=1,2 ,not the paper (2,4)

this problem has been solved,thank you

Sarah20187 commented 6 years ago

@JiaRenChang 请问你试过group normalization了吗？请问效果如何呢？4块gpu的要求实在是好高啊。。。

JiaRenChang commented 6 years ago

@zhFuECL 您好，目前我並未試過group normalization，但是降低這個Model的需求是我們正在努力的方向

Sarah20187 commented 6 years ago

@zyfsa 请问你在1块gpu上用Scene Flow训练得到的模型test epe是多少呢？我不晓得用1块或者2块gpu跑的结果该如何和原文作比较？

benzhangwang commented 5 years ago

@zhFuECL 你好，请问你在单块GPU上跑的模型都能达到paper上的结果么？ 如果能 batch size 设置多少，要训练多少个epochs？ @zyfsa 你在训练时候是不是dila=2,4 比dila=1,2 提高了val accuracy？ 谢谢！！

Sarah20187 commented 5 years ago

@benzhangwang bs=3，也就是作者设置的平均到每张显卡的bs大小，其他的保持不变。

benzhangwang commented 5 years ago

@zhFuECL 你设置bs=3， 在scene flow 也只需要训练10 epochs就能达到paper上精度了么，在KITTI 2015上也是300 epochs？ 在conv3_x 和 conv4_x 中dila分别设置为2，4时，KITTI 2015上val error达到了paper上的1.83%么？谢谢

Sarah20187 commented 5 years ago

@benzhangwang 是的，我记得没错的话得到1.83%的精度时，dilation=1,2