昨天那个模型初始化报错问题是重用Paddle张量导致的。原来Paddle张量默认只能使用一次。比如判别器训练用过了,下次生成器不可以直接再用。我只能重新用 fluid.dygraph.to_varialbe() 又转了一个。有什么办法可以让多个模型重用这个Paddle张量么?
确实。。。2020年的paper,太新了
读懂paper是一回事,用paddle复现是另一回事
所以做论文复现的人还是很少
真是这样啊,而且对常用框架还要有深刻的了解,甚至新提出的技术还要自己实现,功力要求不低啊
我觉得复现出来是挺有意义的,一方面可以尝试在开发程序时使用,另一方面做科研的人才能再次基础上改进
你做的那个cycleGAN项目很不错
看上去也参考了Paddle CV里的gan库,参数那部分我也是这么“嫁接”来着~~
估计Paddle要出GAN库了,现在已经有个新的cycleGAN模型代码了
我连读懂paper都困难
CycleGAN挺老的吧,复现营的paper都是最新20年的
有现成的模型代码,套他就vans
各种魔该GAN组件,复现营里有2020年一篇UGATIT,就是cyccleGAN,加上adaILN和heatmap
而我还套在cycleGAN的loss问题上
虽然玩了一个小图片的模型,要填的坑还不少啊
大佬厉害
刚又怕出一个坑,gan模型 loss 错一点都不行啊
我把 loss 拆成了10来块,加上logit 才发现逻辑写错了
cycleGAN 有些部件的命名是很微妙的,只是“翻译”别的代码会走弯路。
有的源码 DA 判别的其实是 B 域的图片
这个部分理解错了,很容易造成生成器的 gan_loss 部分不起作用,最后任由 cycle_loss 和 identity_loss 把生成的图片搞得和原图一模一样~~
确实。。。2020年的paper,太新了
读懂paper是一回事,用paddle复现是另一回事
所以做论文复现的人还是很少
真是这样啊,而且对常用框架还要有深刻的了解,甚至新提出的技术还要自己实现,功力要求不低啊
我觉得复现出来是挺有意义的,一方面可以尝试在开发程序时使用,另一方面做科研的人才能再次基础上改进
你做的那个cycleGAN项目很不错
看上去也参考了Paddle CV里的gan库,参数那部分我也是这么“嫁接”来着~~
估计Paddle要出GAN库了,现在已经有个新的cycleGAN模型代码了
我连读懂paper都困难
CycleGAN挺老的吧,复现营的paper都是最新20年的
有现成的模型代码,套他就vans
各种魔该GAN组件,复现营里有2020年一篇UGATIT,就是cyccleGAN,加上adaILN和heatmap
而我还套在cycleGAN的loss问题上
虽然玩了一个小图片的模型,要填的坑还不少啊
大佬厉害
刚又怕出一个坑,gan模型 loss 错一点都不行啊
我把 loss 拆成了10来块,加上logit 才发现逻辑写错了
cycleGAN 有些部件的命名是很微妙的,只是“翻译”别的代码会走弯路。
有的源码 DA 判别的其实是 B 域的图片
这个部分理解错了,很容易造成生成器的 gan_loss 部分不起作用,最后任由 cycle_loss 和 identity_loss 把生成的图片搞得和原图一模一样~~