预测结果误差

[yangkunyi]

您好，非常感谢您公开您的工作。

我尝试按照readme中给的方式进行复现，我选择了end to end fashion的模型，使用了endovis的splits和默认的parameters，并且按照important note进行了修改。我的环境是py3.12_cuda12.1_cudnn8.9.2_0。 以下是我得到的结果。

weights_14: abs_rel | sq_rel | rmse | rmse_log | a1 | a2 | a3 | & 0.066 & 0.543 & 5.451 & 0.090 & 0.957 & 0.997 & 1.000 \

weights_15: abs_rel | sq_rel | rmse | rmse_log | a1 | a2 | a3 | & 0.066 & 0.530 & 5.353 & 0.089 & 0.958 & 0.998 & 1.000 \

weights_16: abs_rel | sq_rel | rmse | rmse_log | a1 | a2 | a3 | & 0.063 & 0.508 & 5.281 & 0.087 & 0.963 & 0.997 & 1.000 \

weights_17: abs_rel | sq_rel | rmse | rmse_log | a1 | a2 | a3 | & 0.064 & 0.518 & 5.346 & 0.088 & 0.961 & 0.997 & 1.000 \

weights_18: abs_rel | sq_rel | rmse | rmse_log | a1 | a2 | a3 | & 0.065 & 0.533 & 5.409 & 0.089 & 0.959 & 0.997 & 1.000 \

weights_19: abs_rel | sq_rel | rmse | rmse_log | a1 | a2 | a3 | & 0.066 & 0.543 & 5.451 & 0.090 & 0.958 & 0.997 & 1.000 \

我认为我的结果与 issue #52 中的结果较为相似。 请问您认为可能的原因是什么呢？

[ShuweiShao]

您好，可能是环境不同导致的，我当时跑的环境是 PyTorch 1.2.0, torchvision 0.4.0, CUDA 10.2, Python 3.7.3 and Ubuntu 18.04

[yangkunyi]

您好，可能是环境不同导致的，我当时跑的环境是 PyTorch 1.2.0, torchvision 0.4.0, CUDA 10.2, Python 3.7.3 and Ubuntu 18.04

谢谢，我会尝试使用您提供的环境进行训练。