Closed chenyuZha closed 2 years ago
我的经验是,换大 patch 来训练会降低性能,没有细致分析。 曲线看起来正常吗?说实话我没见过这种 artifacts.
是正常的,没有loss爆炸的情况。 想请问一下换大patch会降低性能的具体原因是reconstruction的时候会出现问题吗?
我不知道,图像超分领域也会观察到这个现象,用大 patch 训练不好。 有件事情有没可能引起了误导,我发出的 PracticalRIFE 模型不是我用来训练模型的代码。 我的训练框架中,目前 loss function 是这样写的
loss_l1 = self.lap(merged[3], gt).mean() + self.lap(merged[2], gt).mean() loss_tea = (teacher_res[0][0] - gt).abs().mean() loss_vgg = ((self.vgg(merged[3], gt).mean() + self.vgg(merged[2], gt).mean())) loss_G = loss_vgg + loss_tea + loss_cons + loss_l1
现在repo RIFE.py
的loss function是这样的:
loss_l1 = (self.lap(merged[2], gt)).mean()
loss_tea = (self.lap(merged_teacher, gt)).mean()
if training:
self.optimG.zero_grad()
loss_G = loss_l1 + loss_tea + loss_distill * 0.01
我对比了一下,发现这两者还是有区别的。 请问一下这个新的loss function是多加了一个scale到8是吗? 另外 teacher_res
和 loss_cons
这两个variable目前没有在现有的loss function里找到。。。
teacher_res 就是存了 merged_teacher,loss_cons 在整理好的代码被命名成了 loss_distill;加了一个 scale8
谢谢解答,我来测试一下!
你好,最近在使用稳定版本的模型进行训练的时候, 我尝试修改input crop size 到 (352, 352), 因为我本身frame的size是 (1280, 720)的缘故。 与此同时,我也增加了
IFBlock
中c
的参数, 如下面所示:训练完之后测试的时候,发现从较高epochs开始,生成的frames边缘会出现黑边artefacts, 如下图所示: 请问遇到这种问题有没有比较好的解决方法呢? 是否是因为deconv的参数设置问题? 感谢解答!