liangzz1991

same question......and find this phenomenon occurs in half of the total epoch.....

you may generated four files.(checkpoint,data,meta,index). so if you want run demo.py,you should modify some code of demo.py: saver = tf.train.Saver() saver.restore(sess, args.model) to saver =tf.train.Saver(write_version =saver_pb2.SaverDef.V1) ckpt =tf.train.get_checkpoint_state(args.model) print("ckpt:", ckpt)...

def parse_args(): """Parse input arguments.""" parser = argparse.ArgumentParser(description='Faster R-CNN demo') parser.add_argument('--gpu', dest='gpu_id', help='GPU device id to use [0]', default=0, type=int) parser.add_argument('--cpu', dest='cpu_mode', help='Use CPU mode (overrides --gpu)', action='store_true') parser.add_argument('--net', dest='demo_net',...

too~~~~!!

> @lelechen63What are the meanings of `new_16_full_gt_train.pkl` and `region_16_wrap_gt_train2.pkl` , can you explain? `lrw_data.py` is not very clear .Thanks. 臣附议，，，， @lelechen63

> @wjbKimberly @lelechen63 Hi there, i also encountered the same problem. I want to train the ATNet with my own dataset, the landmark data is preprocessed using code extracted from...

我理解就是用了CPM的config和tokenier（其实也是gpt2），作者利用中文数据从头训练作文生成模型，所以也就跟cpm提供的模型关系不大，我刚开始也认为作者是finetune的cpm....一直在cpm官网找对应的pretrain

yolo3通过聚类求anchor时候，,x,y同样置为0,相当于中心对齐了，求出最合理的w,h大小。这里也是对齐之后，就可以求出gt的最佳尺度在不在当前的feature map上，不在就contiues（其它层feature map负责）;在的话索引其位置，用当前的wh去回归 代码我看的不是很仔细，这是我的理解

@foralliance 这gt的中心，除以比例直接映射到featuremap的某个grid中，由这个grid负责回归（类似x，y=320,320，除以32，在 gird就是（10,10）这个负责），再通过中心对齐的方式找到一个最合理的wh的anchor这个感觉没问题啊。。你说的可能多个gt同时映射到某一个gird或者不同的grid，这也没问题啊，各自选择最合理的anchor就行了啊。。欢迎讨论，发现问题，我看的有段时间了，也不是特别仔细

三个feature map分开计算效率确实有点低了，但训练效果挺好，加其它策略也方便，就是训练时间太长了