gaozhihan
commented
1 year ago Question 1
We found that the experimental settings of the MovingMNIST benchmark are not standardized. Many methods use an infinite training set (generated on the fly). To establish a unified evaluation standard, we chose to use the publicly available data with the highest utilization/consensus: mnist_test_seq.npy.
Question 2
Taking MovingMNIST as an example, please remove the settings related to multi-GPU communication from the training command:
python train_cuboid_mnist.py --cfg cfg.yaml --ckpt_name last.ckpt --save tmp_mnistIf there are still issues, it could be caused by a version mismatch of pytorch_lightning. Please make sure that the version of pytorch_lightning is 1.6.4 specified in README:
pip uninstall pytorch_lightning
pip install pytorch_lightning==1.6.4问题1
我们发现MovingMNIST benchmark的实验设置标准并不统一, 很多方法采用了无限训练集(generated on the fly). 为统一衡量标准, 我们选择了使用率/认同度最高的公开数据mnist_test_seq.npy.
问题2
以MovingMNIST为例, 请将训练命令中有关多GPU通讯的设置删除:
python train_cuboid_mnist.py --cfg cfg.yaml --ckpt_name last.ckpt --save tmp_mnist如果仍然有问题, 可能是由pytorch_lightning的版本不匹配造成的. 请确认pytorch_lightning为README中指定的1.6.4版本:
pip uninstall pytorch_lightning
pip install pytorch_lightning==1.6.4
您好，非常感谢您出色的工作！ 我目前有2个问题：
问题1： 我发现论文中MovingMINST的实验设置和视频预测系列文章中的设置有些不同。 论文中，是总数是10000，其中train是8100，val是900，test是1000，都来自mnist_test_seq.npy。 在许多其他文章中（比如baselines中的PredRNN、PhyDNet），是训练10000，测试10000，训练来自train-images-idx3-ubyte.gz，测试来自mnist_test_seq.npy。 请问论文中这样的不同设置是有什么原因吗？
问题2： 我只有1个gpu，想rerun一下Earthformer，该如何设置呢？如果按照原始的代码，会遇到ApexDDPStrategy报错的问题。
谢谢！