HantingChen

> Tried renaming, same issue unforunately. > > ``` > File "C:\Pretrained-IPT-main\main.py", line 37, in > main() > File "C:\Pretrained-IPT-main\main.py", line 22, in main > loader = data.Data(args) > File...

你好，添加参数--num_queries 6 即可

> 第一阶段： Pre-training 第二阶段： Finetuning on the specific task > > 但在第一阶段时是要训练multi-heads，multi-tails; 训练时一个batch 只是随机选一种task 的pair 数据送入到model中，利用反向传播来更新相应的head，tail，和body；其中是不是需要设置，在训练A task时，其他 task 所对应的heads，tails是保持不变的（不会被更新的） > > 第二阶段：只保留相应的task的head 和tail，其他的heads和tails是直接丢弃的 > > 这个过程想确认一下 是的 > 在https://gitee.com/mindspore/models/tree/master/research/cv/IPT 提及了...

你好，这段话针对的是公式（1）在有原始数据下的情况。 在没有数据的情况下，也就是p(x)未知时我们采用随机向量z生成数据，见公式(5)。

> 而此处的teacher 是加载的 teacher-train.py 中保存的代码,请问是否需要先训练teacher ,然后再根据teacher 训练student 是的 > 对于这篇论文我的理解是 先创建一个大参数网络teacher,然后再定义一个小网络student,再利用一个生成器Generator,将随机数转换为图片格式, 经过teacher和student 两个网络不断拟合结果,让student和teacher的输出尽量一致.最终保存student作为压缩网络. 是的 > ``` > pred = outputs_T.data.max(1)[1] > loss_activation = -features_T.abs().mean() # 激活损失 > loss_one_hot = criterion(outputs_T,pred)...

> 谢谢您的回复 > 再者请问 为什么 说 DAFL无法在大数据集上使用,我是看的这篇文章 [地址](https://mp.weixin.qq.com/s/cEbhLEsupd_r65iuaC1gZA) DAFL在大数据集上生成图片耗时较长（因为数据太多）。

loss系数设置如下： --channels 3 --img_size 224 --batch_size 512 --lr_G 0.002 --lr_S 0.0001 --latent_dim 100 --oh 2 --ie 10 --a 0.1 超参数的设置可以通过grid search找到。

Thanks for your suggestion. The pretrained model will be uploaded.

> 您好，请问方便更新一下“Learning Student Networks in the Wild”论文的代码吗？ 代码正在申请开源中

你好，没有的，教师网络是训练好的，学生网络从头开始训练