CLIP在batch和非batch情况下编码文本结果不一致

[Zhou2019]

作者您好，我在实验过程中发现，clip的encoder.encoder_text()在用batch text输入和非batch text输入时，同一个text提取到的feature不一样，请问您知道是什么原因吗？

[FeiElysia]

在单个样本和batch上有误差我觉得算是正常现象？你也算了，两个元素之间的平均误差只有3e-4，你做推理了吗，我觉得最后选出来的class name应该是一样的

[Zhou2019]

好的，感谢作者。
另外还有个问题想请教一下，就是论文中Table 5里0.1%数据下的性能，我复现出来的效果很差，CIDEr都为0，离Table 5的结果相差甚远。请问相比于100%等数据量的情况下超参是有不同吗？还有是有其他方面需要特别设置的。

[FeiElysia]

1%，10%和100%是正常的吗？我感觉可能是你代码没弄对，因为就算没训练好CIDEr也不可能是0才对，可以debug一下。

训练超参的话记得把训练的epoch设大一点，因为样本数比较少了，需要更多的epoch

[Zhou2019]

1%，10%和100%是正常的。
实验了一下，是epoch的问题，0.1%时设置到60即可复现论文结果。
感谢作者解答以及开源！非常好的一个工作。