Open NebulaFhx opened 1 year ago
你好,谢谢你的关注。最后三个都是你的结果吗,他们有什么区别。 然后根据你的问题,首先要看测试数据集是否一致。在相同情况下再看代码设置,其中一个原因可能是因为训练数据集选择的问题。kaist总量是超过80000的,所以我在程序里是随机选80000进行训练,而且网络参数的初始化也是随机的,所以不可避免的会导致每次训练得到的模型不同。
李博您好,感谢您的回复,最后三个结果中第一个是您提供的模型测试后的结果,第二第三个是基于您提供的nestfuse模型我自己训练的RFN模型的epoch1次和2次后测试的结果,我这边之后又尝试了将pytorh版本、python版本、GPU型号、seed都设置为和您提供的一样,但实际跑出来的模型测试后的结果还是有一定区别,当前我正在继续学习,期待以后能将您的模型复现~感谢
李博,您好,我在您提供的代码基础上,调试成功后,使用您提供的autoencoder network——nestfuse_gray_1e2.model,重新训练RFN模型,训练集为8w张KAIST,epoch=2, batch_size=4, 训练好模型后,使用您提供的autoencoder network,和我自己训练好的RFN模型进行测试得到的融合图像的评估指标与您给出的评估指标相比结果差距较大(如下图),我想请教一下您,这种情况可能是在代码的哪些地方没有修改,或者我在使用时有哪些错误所导致的?希望您能解惑~谢谢![1](https://user-images.githubusercontent.com/69443167/207861380-a53c9e48-faf2-483e-bd56-805190b36f6e.png)