VillardX

Hi, thanks for your great work! I am from your subsequent work VPT and have visited issues about how to estimate scale and shift to transform model prediction relative depth...

长文本，大数据集的config调整思路咨询

4

作者您好，我的自用数据集是长文本，每个样本的文本长度大概是2000字，且只包含flat的实体。大概有2000条数据，共计约2万个实体标记，实体类别为9类，原生的bert-base-chinese只支持max_len=512，所以我对自己的文本数据进行了max_len=500的截断，并使用resume_zh.json的设置参数进行训练，仅修改了batch_size=4(不然爆显存)，但是最终效果f1=0.75，甚至比BERT+CRF的baseline都低。想向您请教一下，是哪里的参数设置出问题了呢，请给个指导思路，不胜感激，谢谢~

Hi @Caoang327 , would you release the FWD-U pretrained model please? Thanks for your great job!

Hi, thanks for your great work. It really works well on my own dataset with your pretrained model. Here I still have some questions. 1. The readme provides the preprocess.py...

作者您好，学习了您的代码，demo_imgs.py和train_sterep.py 我从输入和输出上理解是输入(left_img, right_img)，输出left_disparity，即只输出left_disparity。 - 请问该模型是否有能力合理输出右图的视差的能力？即如果输入(lright_img， left_img)，输出right_disparity，按照视差定义来说。输出的right_disparity应该都是负值。但我使用了您提供的sceneflow.pth，并调换了您提供的Motorcycle示例图的左右顺序，输出的right_disparity效果明显变差，且输出的视差图tensor都是正数，不符合视差定义。不知道是否需要修改哪里的代码。 - 如果需要重新训练，我手边是有左视图和右视图GT_disp的数据的，不知道如何修改网络结构，使得该网络能够同时训练左和右视图的视差。即做到输入(right_img, left_img)，能够合理输出right_disp。 谢谢~

How to train from scratch or finetuning?

10

Thank you for your great work! In my situations, I want to train dust3r from scratch or finetune it on my own data. You provide the Co3d preprocessed data demo....