NO2-yh

我也没法收敛

我的是在P40下编译的，结果在V100上直接跑不起来，然后在V100上编译了一版之后就能在V100跑，这就是说不同的GPU编译的结果只能在编译的环境下用= =！

> 我也不是很清楚为啥loss一直是0，，至于颜色我感觉是数据分布的问题，因为这个数据本身是从通用超分辨率数据集上采的，原数据集大多数图片都没有文字，很多文字图片都是来自于少部分图片，比如纸盒，背景色相当单调 我这边复现的精度(Aster模型)，大体上可以复现您的结果（考虑到训练的稳定性）。至于颜色问题，我这边继续排查一下，总感觉和您论文里面的贴图看着差异较大，尤其是整体的背景颜色（而且越是训练前期，这种颜色差异越是巨大）。image loss的问题我会继续排查，因为我看代码里面这个loss_im会参与backward，因此会对训练有影响，如果一直是0，那说明loss_im在训练中一直没起作用。。。 等我有进展了，我会在这里继续更新我的结论:) easy: 73.32% -> 75.1%(paper) medium: 56.20% -> 56.3%(paper) hard: 39.76% -> 40.1%(paper)