bye111

Does the code available

我遇到了同样的问题，请问您解决了吗

我遇到了同样的问题，请问您解决了吗 

请问您解决了吗

请问您解决了吗

请问您解决了吗，我遇到训练出来权重不匹配问题。是不是因为guided-diffusion训练用的unet结构和repaint测试的不同。RuntimeError: Error(s) in loading state_dict for UNetModel: Missing key(s) in state_dict: "input_blocks.4.0.in_layers.0.weight", "input_blocks.4.0.in_layers.0.bias", Unexpected key(s) in state_dict: "input_blocks.4.0.op.weight", "input_blocks.4.0.op.bias", "input_blocks.8.0.op.weight", size mismatch for label_emb.weight: copying a param with shape torch.Size([1,...

好的谢谢您，意思是可以通过改参数解决，不必更改结构重训练是吧

好的好的，谢谢您！

> > 好的谢谢您，意思是可以通过改参数解决，不必更改结构重训练是吧 > > 他这个代码挺🐕的，把训练相关的都删了。你要不介意可以在我的代码仓库里找 Recode-RePaint，我重构了config 文件的结构，同时把原本的采样和训练模块也都加回去了。256和128我都跑过了，你可以直接训练和采样试试看。但是参数你得自己调哈，反正训练和采样保证参数的一致性就能跑repaint了。 再者就是，请问当我使用class_conda=True时，是否必须伴有classifier分类器的权重，能否仅用train的权重实现多类别图像修复

> > > 再者就是，请问当我使用class_conda=True时，是否必须伴有classifier分类器的权重，能否仅用train的权重实现多类别图像修复 > > > > > > 我以为你知道的，RePaint它本来就不用分类器，无条件引导，只是保留了一个接口。你把 script_util 中的分类器启动代码注释掉就行。我之前把这个unet单独提取了一个 unet2.py 出来，我上传之前不小心删掉了，你就暂时注释掉用吧，反正也用不上分类器。等我空了再把这个删除的文件补上。 > > 不好意思，没看清楚你的问题。要看你说的多类别图像修复是什么任务了，如果你要专注于某一个东西的修复，那你不但需要分类器，你还需要在此基础上改代码。如果只是类似的，也不需要区分的那么开，比如说同样是人脸，你非要分一个男人和女人，是可以这么训练，但是合一起也没问题，就跟RePaint官方的 CelebA 数据集训练的人脸修复一样。RePaint本身是无条件引导的修复方式，你要实现你所说的多类别修复，你自己研究代码做调整，反正我注释都写得的很清楚了，你现在学也算是事半功倍。但是我要说明的是，如果你的数据集，每个类别的数据量不够多，可能效果不会太好，每个类别至少要小1w才有效果的。 感谢回复，因为我看官方yml中当class_conda=true时，使用到了 classifier_path: ./data/pretrained/256x256_classifier.pt model_path: ./data/pretrained/256x256_diffusion.pt 所以才感到疑惑，那我训练效果不好可能还是数据太少导致，我八个类最多一类才700张