关于stage1与复现结果

[whji09]

您好，非常感谢您提供的代码。目前训练分为两阶段，第二阶段基于第一阶段的训练结果进行继续训练，请问您是否能够提供第一阶段的训练文件，例如model_best.pth.tar和checkpoint.pth.tar。 目前，我们基于您的代码进行复现时发现，训练结果无法达到预期，在第二阶段的epoch=6时，r1=37%，因此，后续测试时，all_search的r1=45，indoor_search的r1=60。这与您所提供日志文件相差甚大，因此猜想是否是第一阶段的训练结果不准确。因此，希望您能够提供第一阶段的训练结果以供参考！ 非常感谢~

[zesenwu23]

感谢关注，第一阶段的模型我们已经上传：https://drive.google.com/drive/folders/1NIpM5uv9_DUbCafwy7Z28yXPnMXxNtss?usp=drive_link

不过根据之前经验第一阶段相对稳定，如果无法解决问题不妨将训练log抄送给我。

[whji09]

感谢您的回复！基于您第一阶段的模型，我们再次训练第二阶段，发现最终结果依旧无法到达预期。在第二阶段的epoch=6时，r1=41.86；后续测试时，all_search的r1=51，indoor_search的r1=54。而我们发现在您提供的日志文件中，epoch=6时，r1=45，在epoch=21时，r1=55，后续测试时，all_search的r1=56，indoor_search的r1=57 在没有改动您代码的前提下，且配置与您保持相同（4张3090），对于无法达到预期效果这一点我们非常疑惑。

以下附上第二阶段的训练log，期待您的答复！ log.txt

[zesenwu23]

感谢您的回复！基于您第一阶段的模型，我们再次训练第二阶段，发现最终结果依旧无法到达预期。在第二阶段的epoch=6时，r1=41.86；后续测试时，all_search的r1=51，indoor_search的r1=54。而我们发现在您提供的日志文件中，epoch=6时，r1=45，在epoch=21时，r1=55，后续测试时，all_search的r1=56，indoor_search的r1=57 在没有改动您代码的前提下，且配置与您保持相同（4张3090），对于无法达到预期效果这一点我们非常疑惑。

以下附上第二阶段的训练log，期待您的答复！ log.txt

这确实令人困惑，我看了你们的log，在聚类时候时类数量就和我的产生了差异，理论上来说应该是一致的，我们多轮测试即使有波动也不会这么大。也许DBSCAN的不同版本对聚类效果影响较大，我推荐使用 scikit-learn==0.22.1 ，这是我使用的版本，我建议可以先试试。 明天如果不行，我们再尝试对齐所有的依赖库。 很期待你们的回复。

[zesenwu23]

感谢您的回复！基于您第一阶段的模型，我们再次训练第二阶段，发现最终结果依旧无法到达预期。在第二阶段的epoch=6时，r1=41.86；后续测试时，all_search的r1=51，indoor_search的r1=54。而我们发现在您提供的日志文件中，epoch=6时，r1=45，在epoch=21时，r1=55，后续测试时，all_search的r1=56，indoor_search的r1=57 在没有改动您代码的前提下，且配置与您保持相同（4张3090），对于无法达到预期效果这一点我们非常疑惑。

以下附上第二阶段的训练log，期待您的答复！ log.txt

我想我可能发现原因了。根据你们的log，sysu_ir的数据集加载过程中，发现你们的数据集数量不对。SYSU的ID为395，而IR个数为11909。你们的数据集分别为367和11333。而RGB部分的数据也不完全正确。建议你们直接下载仓库里预处理好的数据集，以保证后续实验的一致性。 期待你们的回复。

[whji09]

感谢您的回复！基于您第一阶段的模型，我们再次训练第二阶段，发现最终结果依旧无法到达预期。在第二阶段的epoch=6时，r1=41.86；后续测试时，all_search的r1=51，indoor_search的r1=54。而我们发现在您提供的日志文件中，epoch=6时，r1=45，在epoch=21时，r1=55，后续测试时，all_search的r1=56，indoor_search的r1=57 在没有改动您代码的前提下，且配置与您保持相同（4张3090），对于无法达到预期效果这一点我们非常疑惑。 以下附上第二阶段的训练log，期待您的答复！ log.txt

我想我可能发现原因了。根据你们的log，sysu_ir的数据集加载过程中，发现你们的数据集数量不对。SYSU的ID为395，而IR个数为11909。你们的数据集分别为367和11333。而RGB部分的数据也不完全正确。建议你们直接下载仓库里预处理好的数据集，以保证后续实验的一致性。 期待你们的回复。

非常感谢您的答复！根据仓库预处理好的数据集，最终的实验数据为all_search的r1=54，indoor_search的r1=54，已基本达到预期实验效果。

[zesenwu23]

感谢您的回复！基于您第一阶段的模型，我们再次训练第二阶段，发现最终结果依旧无法到达预期。在第二阶段的epoch=6时，r1=41.86；后续测试时，all_search的r1=51，indoor_search的r1=54。而我们发现在您提供的日志文件中，epoch=6时，r1=45，在epoch=21时，r1=55，后续测试时，all_search的r1=56，indoor_search的r1=57 在没有改动您代码的前提下，且配置与您保持相同（4张3090），对于无法达到预期效果这一点我们非常疑惑。 以下附上第二阶段的训练log，期待您的答复！ log.txt

我想我可能发现原因了。根据你们的log，sysu_ir的数据集加载过程中，发现你们的数据集数量不对。SYSU的ID为395，而IR个数为11909。你们的数据集分别为367和11333。而RGB部分的数据也不完全正确。建议你们直接下载仓库里预处理好的数据集，以保证后续实验的一致性。 期待你们的回复。

非常感谢您的答复！根据仓库预处理好的数据集，最终的实验数据为all_search的r1=54，indoor_search的r1=54，已基本达到预期实验效果。

再次感谢关注。在基于Cluster Contrast的结构中，无监督设定下难以保证像有监督一样到达多次非常稳定的效果，方法中亦有一些超参比如损失中的权重参数等，对于自己的环境进行微调应该有更进一步的可能。有更多问题请继续联系我：zesenwu@whu.edu.cn。