环境 - Githubissues

JAYCHUS commented 4 months ago

请问有完整的requirements吗配环境真的很烦人😍😍

takaniwa commented 4 months ago

请问有完整的requirements吗配环境真的很烦人😍😍

这个环境安装比较容易

JAYCHUS commented 4 months ago

训练cityscapes (yaml文件是dsnet_cityscapes.yaml)的时候我有三台4090为什么服务器数量设置为1台或两台或者三台都显示gpu数量不匹配(train脚本输出的) 然后就是内存溢出这里要在哪里设置啊

不匹配不用管，那段代码我忘了删了。内存溢出应该是batchsize设大了。

JAYCHUS commented 4 months ago

谢谢你你真是互联网活人之前发的issue都没人回我 batchsize跟之前跑的设置的一样估计服务器出问题了还有就是我想问你一个问题就是很多模型都说在imagenet上做了预训练那他们拿他们的模型在imagenet上做了预训练用在imagenet上得到的预训练权重去训练别的数据集说是可以提高训练速度或者精度啥的但是如果我将他们的模型改了那我要拿着我修改的模型再去imagenet上做预训练吗还是用他们之前的就行是不是不行啊这个问题我思考了挺久的因为我比较菜希望回我你是好人!!!!!

takaniwa commented 4 months ago

谢谢你你真是互联网活人之前发的issue都没人回我 batchsize跟之前跑的设置的一样估计服务器出问题了还有就是我想问你一个问题就是很多模型都说在imagenet上做了预训练那他们拿他们的模型在imagenet上做了预训练用在imagenet上得到的预训练权重去训练别的数据集说是可以提高训练速度或者精度啥的但是如果我将他们的模型改了那我要拿着我修改的模型再去imagenet上做预训练吗还是用他们之前的就行是不是不行啊这个问题我思考了挺久的因为我比较菜希望回我你是好人!!!!!

看你修改的地方在哪，如果你修改的地方不是在主干里面的话（比如我这个网络里面的上下文模块或者decoder），是可以不用重新在imagenet上预训练。如果你对主干进行了修改的话，是需要重新再imagenet上进行预训练的。有关于预训练可以提高下游任务的精度的问题，你可以再读一遍DSNet论文的3.1节，或许对你有帮助。另外你github上的issue得到比较少回答的原因可能是因为你没点star哈哈。

JAYCHUS commented 4 months ago

哈哈哈已经狠狠star了

JAYCHUS commented 3 months ago

if config.TRAIN.RESUME:
    model_state_file = os.path.join(config.MODEL.PRETRAINED)
    if os.path.isfile(model_state_file):
        checkpoint = torch.load(model_state_file, map_location={'cuda:0': 'cpu'})
        best_mIoU = checkpoint['best_mIoU']
        last_epoch = checkpoint['epoch']
        dct = checkpoint['state_dict']

        model.module.model.load_state_dict({k.replace('model.', ''): v for k, v in dct.items() if k.startswith('model.')})
        optimizer.load_state_dict(checkpoint['optimizer'])
        logger.info("=> loaded checkpoint (epoch {})".format(checkpoint['epoch']))
    if distributed:
        torch.distributed.barrier()

请问服务器中断了我想从上一次checkpoint继续训练是吧这里的config.MODEL.PRETRAINED修改成保存的checkpoint那个文件的路径吗还是哪里谢谢你非常感谢极其感谢真的很感谢是的，同时config里面的resume设为true

takaniwa / DSNet

环境 #6