S1quence

> 兄弟们有这个模型训练出的参数文件吗 真不巧我毕业了，参数文件在之前学校的服务器上面，现在你只能自己跑了 =-=

出错 > 作者您好，我在跑predict.py的时候时间过长，在加载完数据集后报了一个warning：**RuntimeWarning: invalid value encountered in true_divide**，查看报错位置是`t = a + (bands[i, :, :] - c) * (b - a) / (d - c)`，目前加了代码`np.seterr(divide='ignore',invalid='ignore')`忽略这个报错，但是还是时间过长，没有结果。请问您有遇到过这个问题以及解决办法吗T-T 出错地方是将源数据格式uint16转成uint8，这段代码： ```python def uint16to8(bands, lower_percent=0.001, higher_percent=99.999):...

> in_ch= 15#输入通道数 out_ch = 13#输出通道数 作者您好，我在运行train.py的时候出现了这个问题，然后我发现是在config.py中的通道数是不匹配的，不知道这个是怎么解决的，直接修改通道数吗还是有别的方式 嗯，是这样的，可以灵活改变config.py中的参数以应对您的情况。在印象中论文原文中输入通道应该是15。

> 是的，输入通道是15没错，当我改变输出通道为15时还是报一样的错误 cloud_img.shape torch.Size([1, 15, 256, 256]) ground_truth.shape torch.Size([1, 15, 256, 256]) csm_img.shape torch.Size([1, 1, 256, 256]) 开始训练... Traceback (most recent call last): File "train.py", line 134, in train(myconfig) File...

> x.shape torch.Size([1, 15, 256, 256]) self.net(x) torch.Size([1, 15, 256, 256]) x[:,2:,:,:] torch.Size([1, 13, 256, 256]) 是的我输出来self.net(x)的输出是13通道，这个要怎么改 在`config.py`的第34行，`out_ch = 13#输出通道数`，这个out_ch应该是13的，你看看是不是误修改成15了。

> 这就又回到了最初的问题 Traceback (most recent call last): File "train.py", line 131, in train(myconfig) File "train.py", line 100, in train loss= CARL_Loss(img_truth,img_csm,img_fake,img_cld) File "/root/autodl-tmp/dsen2_cr/utils/img_operations.py", line 65, in carl_error cscmae = t.mean(clearmask...

> loss= CARL_Loss(img_truth,img_csm,img_fake,img_cld)我在这个函数之前将img_cld拆分了一下，是对的吗 嗯，是对的。这几天比较忙回复不及时，不好意思哈。我目前没有条件运行代码，有任何问题欢迎在下面留言

> > > loss= CARL_Loss(img_truth,img_csm,img_fake,img_cld)我在这个函数之前将img_cld拆分了一下，是对的吗 > > > > > > 嗯，是对的。这几天比较忙回复不及时，不好意思哈。我目前没有条件运行代码，有任何问题欢迎在下面留言 > > 您好，我想请问一下拆分img_cld是取前13个通道骂 对的，是前13个通道，还有什么代码方面的问题可以随时在下面留言。也可以看看别人提的issues，里面有一些关于我代码的错误。

>  您好，麻烦再请问一下您，为什么我输出图像的除云遮档部分之外的色彩与输入图像相差很大，我该怎么调整 >  您好，麻烦再请问一下您，为什么我输出图像的除云遮档部分之外的色彩与输入图像相差很大，我该怎么调整 我看你这是Iteration 1的结果，一般要迭代个十几轮才能得到不错的结果，由于整个数据集太大了，建议使用1000张或者500张图片试一试。以下是具体方案： 1. 使用`torch.utils.data.Dataset`里头的Subset类随机分少量样本出来，作为训练集和测试集。 2. 我记得我当时大致使用这些参数就得到了不错的结果 ```python batch_size=16 or 32 epochs=100, lr=1e-4, 1e-5,, ``` 3. 将training_loss和test_loss可视化，我记得代码里头有TensorBoard，看看Loss曲线有啥问题，是不是不收敛。如果不收敛，得检查输入输出，loss_function和网络结构。 4. 如果还是无法定位问题，可以贴上你的更多细节我们再讨论一下。

巧了，我确实存了一份。 链接：https://pan.baidu.com/s/1xmOF9rbkIEWV4QSwMml3Cg 提取码：gkcb