mango

> ### Reminder > * [x] I have read the README and searched the existing issues. > > ### Reproduction > 有几个问题请教哈： 1 段落之间需要加\n吗 2.如果模型预处理最长能处理4096个token，那么没有样本的长度是不是尽量在4096以内，且稍微小于4096呢 3.一本书处理成多个样本后需不需要shuf打散呢 4.特殊符号，\t ，需要去掉吗 5.有没有想过的资料介绍呢 >...

@yichuangzhang I have the same problem.Please,have you found the corresponding code?

When I entered my consecutive 50 frames , I got 50 frames of images, but the results were terrible ,the output is more ambiguous than the input.why?

找到原因了，我的环境里同时间安装了python3.6、python3.7，运行sh setup.sh时，默认安装在python3.6的环境中，在python3.6中运行正常

> 1. Yi-34B is 01-ai's work: https://huggingface.co/01-ai/Yi-34B. LLaVA finetuned the model based on it. > 2. Recently we find using LLaVA 7B can achieve a relatively good result as Yi-34B....

> 朋友你解决了吗？测试出现OOM。方便的话可以交流一下吗？谢谢。 你好，请问解决了吗？我这边单卡命令python ./tools/test.py configs/TTVSR_vimeo90k.py checkpoints/TTVSR_Vimeo90K.pth --save-path 'save_path' 报错：KeyError: 'TTVSR is not in the model registry' 3张卡运行就不会报这种错

> 尝试一下用分布式启动，GPU指定为1呢？ 谢谢，已解决！把模型改成X2超分训练至iter=48k，序列长度是10，日志输出 loss: 0.0099，但是测试结果包含很多类似马赛克的效果：  请问这是正常的现象吗？我不确定是否还有必要继续训练(总的iters=400k)

> > > 尝试一下用分布式启动，GPU指定为1呢？ > > > > > > 谢谢，已解决！把模型改成X2超分训练至iter=48k，序列长度是10，日志输出 loss: 0.0099，但是测试结果包含很多类似马赛克的效果：  请问这是正常的现象吗？我不确定是否还有必要继续训练(总的iters=400k) > > 我没有遇到过这个情况，或许等它再训练看看？ 你好，麻烦再请教一下显存占用问题，有如下几种设置:（1）x2超分，输入LR尺寸大小是128*128*3，FTVSR模型的num_blocks=60;（2）x2超分，输入LR尺寸大小是64*64*3，FTVSR模型的num_blocks=60；（3）x4超分，输入LR尺寸大小是64*64*3，FTVSR模型的num_blocks=60；（4）x4超分，输入LR尺寸大小是64*64*3，FTVSR模型的num_blocks=30； 在4张A100，每张A100显存40G，这四种设置在训练时，最大显存占用基本一致，都是39.4G左右；且在fix_ttvsr之后，显存也是一直增加，直到39.4G，请问这是什么原因呢？

> 我已经把checkpoint-35000.pt放进文名为mlp_finetune的文件夹了，pytorch_model.bin放在gpt2文件夹，ViT-B-32.pt也放在了pretrain_models下面，可是依然说加载模型报错，请问大家有遇到过吗？ > > [报错指向这一行：](https://github.com/yangjianxin1/ClipCap-Chinese/blob/master/predict.py#L129) > > raise RuntimeError('Error(s) in loading state_dict for {}:\n\t{}'.format( RuntimeError: Error(s) in loading state_dict for ClipCaptionModel: Missing key(s) in state_dict: "clip_project.model.0.weight", "clip_project.model.0.bias", "clip_project.model.2.weight", "clip_project.model.2.bias". Unexpected...

@xinntao 请问两个阶段的训练iter/epoch分别设置多少呢？算力资源是怎样的？