jinming

> This worked for me, too:) Thank VictorVarela for his code. > > mean_bgr = np.array([91.4953, 103.8827, 131.0912]) > > def transform(img): > img = img[:, :, ::-1] # RGB...

训练阶段也需要beam search 吗? 为什么作者的训练阶段也要加 beam search?

@xuyl0104 BeamSearch 只在解码时用到, 训练不用Beam Search, 你可以把报错信息贴出来看看

Hi，I use the code and get the results: === Evaluating classifier for encoded target domain === >>> source only > domain adaption

same question

import insightface import numpy as np import cv2 import os model_path = '/data9/memoconv/tools/facerecog/webface/webface_r50.onnx' model = insightface.model_zoo.get_model(model_path) model.prepare(ctx_id=0) # given gpu id, if negative, then use cpu talkout_dialog_dir = '/data9/memoconv/memoconv_convs_talknetoutput/fendou/fendou_1/' img1_filepath...

Same problem.

这样说比较直观，比较好理解，非常感谢！ 另外一个问题就是 lambda的值有没有好的建议？ 一般l2的话我们取10-4左右，这里如果取0.1的话跟 softmax 基本是一个量级，但是这样的话，center loss 迅速的降低，也符合你的理解，太小，比如10-4, 的话也会降的很快，但是如果lambda取0.003（作者论文中结论） center loss 基本将到0.02左右，不会降到太小，然后就能和 softmax 就会基本同步下降。 这样lambda值的选取您有没有好的见解？（同l2 loss 的weight decay 系数）

我也遇到了这个问题，不清楚现在修复了没有，大约处理5000条数据的时候，RES 从 8G 到 14G。