Gang Dai

在M1芯片的GPU上训练，试试将源代码中的torch.device("cuda")替换成torch.device("mps")？

Hi~ Thanks for your attention. As mentioned in our paper, our GlyphNCE independently samples positive pairs within a character, and samples negative samples from other characters, as illustrated in Figure...

不需要重新训练，我们的内容引导是基于图像的，只需要替换内容输入即可。

如果效果不好的话可以考虑fine-tune一下

你的环境里面安装了pickle包嘛？试试`pip install pickle`

你是否把我们的pickle文件正确下载了呀？然后检查下路径对不对？还有就是你的命名，`self`一般是关键字，不可以用这个命名的哦

pickle库的版本应该不会影响太多。我的意思是，你是否加载了我们以pickle形式存储的[数据集？](https://drive.google.com/drive/folders/17Ju2chVwlNvoX7HCKrhJOqySK-Y-hU8K)

感谢对我们工作的关注~关于``第一个问题``，可以先测一下生成结果的DTW指标，如果DTW有问题就是性能没有复现出来。``第二个问题``，我们的工作是生成手写体的，黑体跟手写体还有有一些差异的，建议自己手写一些字然后输入到模型中去生成，这个过程是不需要finetune的，``具体的教程``近期我会出一个``放在置顶issue``上。``A4``和``A6``可以不用管，``A4``是生成离线的手写中文，是另外一个任务，``A6``主要是讨论模型的输入选择轨迹模态还是离线模态比较好。

> @dailenson 麻烦问一下，test.py运行时，默认每次只从writer的字迹中取`15`个作为style参考，`15`是如何确定的？是不是这里采样越多输入给模型，style就会和writer的字迹越像？ 15是一个比较折中的数值，可以得到比较好的性能，并且这个数量也不算太多。是的，一般来说给的样本参考越多，模型的性能会更好。

> > 感谢对我们工作的关注~关于`第一个问题`，可以先测一下生成结果的DTW指标，如果DTW有问题就是性能没有复现出来。`第二个问题`，我们的工作是生成手写体的，黑体跟手写体还有有一些差异的，建议自己手写一些字然后输入到模型中去生成，这个过程是不需要finetune的，`具体的教程`近期我会出一个`放在置顶issue`上。`A4`和`A6`可以不用管，`A4`是生成离线的手写中文，是另外一个任务，`A6`主要是讨论模型的输入选择轨迹模态还是离线模态比较好。 > > 非常感谢回复。 > > * 问题1 > dtw显示`the avg fast_norm_len_dtw is 43.8289909362793`, 这次结果如下。虽然和测试集不是特别像，但能看出style是相近的。 >  > * 问题2 > 我试过多个不同的机打体，包括机打手写体（如翩翩体），预测出的结果都和下图类似，和输入的style_image相差甚远。我正在尝试照片手写，有进展了我会继续同步。 > >  正常运行的情况下``dtw``指标的结果应该是``0.8``左右。你复现出的结果差的有点多，建议再仔细看下readme的教程，看看运行过程中是否有错误。