关于复现ISIC2018结果

[Caipengzhou]

亲爱的作者： 您好，感谢您百忙之中抽出宝贵的时间来阅读讯息.。本人对DCSAU-Net非常感兴趣，我想复现DCSAU-Net，目前存在一些问题，如下： 问题一：在ISIC2018数据集，您使用的是ReduceLROnPlateau来优化学习率，是根据验证集还是训练集上的损失，还是验证集上的上的IoU还是训练集上的IoU来调整学习率？ 问题二：关于您在训练512x512的ISIC2018数据集时，设置batch=16，会使用多大的显存呢？

[xq141839]

非常感谢您对我们工作的认可。如果用ReduceLROnPlateau来优化学习率，可以以验证集上的IoU作为标准。在训练512x512的ISIC2018数据集时，当时设置batch=16，但是会把validation的batch调小。不过当时也试过batch=8，对结果也没啥影响。我记得标准的256x256， batch=16 下的显存占用应该是24g这样。我用的32g v100的卡。

[Caipengzhou]

非常感谢您的解答，还存在一些疑问：对于512x512的ISIC2018数据集，您是用的ReduceLROnPlateau来优化学习率吧？ 我使用验证机上的IoU作为标准代码修改如下： if phase == 'valid': scheduler.step(epoch_acc)

exp_lr_scheduler = lr_scheduler.ReduceLROnPlateau(optimizer_ft, mode='max', patience=5, factor=0.1,min_lr=1e-6)这个学习率的优化里面的参数这个吗

[Caipengzhou]

我在复现512x512的代码时，超参数的设置和您的论文中一致的，可是需要用到64G的显存(4张3090，共96G)，为什么您32G的v100就足够了呢？您的原始数据是否存在很多的不同大小的不同的分辨率image和mask？

[xq141839]

非常感谢您的解答，还存在一些疑问：对于512x512的ISIC2018数据集，您是用的ReduceLROnPlateau来优化学习率吧？ 我使用验证机上的IoU作为标准代码修改如下： if phase == 'valid': scheduler.step(epoch_acc)

exp_lr_scheduler = lr_scheduler.ReduceLROnPlateau(optimizer_ft, mode='max', patience=5, factor=0.1,min_lr=1e-6)这个学习率的优化里面的参数这个吗

对的，不过在不同数据集中参数可能需要微调，但是一般都能达到sota效果，即使不优化学习率

[xq141839]

我在复现512x512的代码时，超参数的设置和您的论文中一致的，可是需要用到64G的显存(4张3090，共96G)，为什么您32G的v100就足够了呢？您的原始数据是否存在很多的不同大小的不同的分辨率image和mask？

我一般都会在训练之前直接先把样本都resize 到512x512 然后保存，这样训练时数据读取也会快一点。但是当时可能是用batch=8训练的。这个其实没多大影响，有多少显存资源就用多少：)

[Caipengzhou]

好的，感谢您的解答

[Caipengzhou]

作者，您好，我今天复现了ISIC2018的数据集，结果没有达到预期，可以通过qq或者vx交流一下吗? qq:2052930980