The Numbers of Training Epochs
Opened this issue · 4 comments
Hi Wlei,
我已经在.cu 文件中发现了interpolateLauncher函数.
我还有另外一个问题想请教下.
在您的论文的第6页, 有两张表格.第一张表格是13分类的OA和mIOU, 精度很高.
在实际运行过程中,我的参数如下:
训练过程: 超参数都采用默认值(训练epochs为50)
测试过程: test.py 中评估该模型.
测试结果:
13个分类的IOU[0.01232817 0.00052699 0.20812986 0. 0.00079528 0.00128316
0.00173974 0.04550859 0.01154762 0.00058742 0.04176534 0.00066639
0.09721222]
OA: 0.139507
IOU和OA的数值很低. 对于这种情况,是不是我的超参数设置的和您的不相同(比如,我的epochs是50), 所以才导致了这种结果?
Hi Wlei,
我已经在.cu 文件中发现了interpolateLauncher函数.我还有另外一个问题想请教下.
在您的论文的第6页, 有两张表格.第一张表格是13分类的OA和mIOU, 精度很高.
在实际运行过程中,我的参数如下:
训练过程: 超参数都采用默认值(训练epochs为50)
测试过程: test.py 中评估该模型.
测试结果:
13个分类的IOU[0.01232817 0.00052699 0.20812986 0. 0.00079528 0.00128316
0.00173974 0.04550859 0.01154762 0.00058742 0.04176534 0.00066639
0.09721222]
OA: 0.139507
IOU和OA的数值很低. 对于这种情况,是不是我的超参数设置的和您的不相同(比如,我的epochs是50), 所以才导致了这种结果?
您好，请问你最后这个问题解决了吗？我运行run_test.py得到的IoU和OA和你的结果差不多！
I got similar results.
This issue was related to your GPU compute capability. I addressed this issue by updating CUDA_NVCC_FLAGS in CMakeLists.txt of three_interpolate module.
Modify this setting
set(CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS} -gencode arch=compute_50,code=sm_50)
to match your GPU compute capability.
When you prepare the dataset, do you meet the problem
assert len(fields) == n + 1
AssertionError