GlaEasy
GlaEasy
> > > > 你可以看我的仓库，我对图片裁剪进行了复现，裁剪后的图片存放在与原数据文件夹相同的子目录中。https://github.com/kangpeilun/utils-for-img-process/tree/main That's cool.Thank you.
> self.feat_A = self.feat_A.permute(0, 2, 3, 1) > self.feat_B = self.feat_B.permute(0, 2, 3, 1) > self.dist = F.pairwise_distance(self.feat_A, self.feat_B, keepdim=True) # 特征距离 > self.dist = self.dist.permute(0,3, 1, 2) That is...
> > 您好，能请教一下论文特征可视化部分是怎么做的吗？ > > 请问下你实现了这个可视化了吗 我参考了这个博客：https://blog.csdn.net/zxdd2018/article/details/125505352
> 可能是输出`pred`和标签`tar`的通道维度不一样，建议断点调试一下看看 是的，pred为[8, 64, 256, 256], tar为[8, 256 ,256]。 应当如何修改呢？ 我发现使用相同的数据集（SVCD）对FC-EF进行训练时，其pred为[8, 2, 256, 256], tar为[8, 256, 256], 但是并不会报错。
> 可能是输出`pred`和标签`tar`的通道维度不一样，建议断点调试一下看看 我给tar增加了一个维度，即[8，256，256] -> [8, 1, 256, 256]，代码能够运行了。
> 可能是输出`pred`和标签`tar`的通道维度不一样，建议断点调试一下看看 虽然代码能够运行了，但是loss达到60几且一直无法下降，是否是不能简单地增加维度？您有什么建议吗？感谢
> 请问输出的通道数为什么是64呀？对于SVCD这样的二元变化检测数据集，如果采用度量学习的方式训练的话，输出通道数应该是1哦？ 感谢您的建议，按照您的思路我解决了问题，问题是由pytorch版本的不同导致的。
> 请问您是怎么解决的，是更换了pytorch版本吗？ https://github.com/justchenhao/STANet/issues/85#issuecomment-1238809068
> 不同次训练会有精度波动，但是理论上应该也不会太大哦？我觉得如果是在文章里填写数据的话，应该都可以，只要文字说明一下是如何获得的结果就好啦 好的，感谢解答~