791136190
791136190
评估的话，可以参考evel的代码，或者是SuperPoint的代码
感谢你指出的问题，这里的确是错误的实现。正确的实现应该用两次argsort，如a.argsort().argsort()这样的形式；或者是按照你提供的方法，直接排序。欢迎pr或者我抽时间更新一下。
> 我目前也在复现这篇论文，目前已经基本实现效果，其中参考了您的许多实现，非常感谢，多交流，嘻嘻！ 好的，看你是做slam方向的，也许还有很多可以交流的地方，我也做slam。关于UnsuperPoint的实现，还有一个就是描述子的bit独立性，按作者的套路一直没成功，所以我换成了位置独立性监督(明显不太合理)，不知道是不是我实现有问题，你要是发现我哪里写错了，也可以说一声。
这里的N是分多次计算的loss，所以n=1,直接省去了，这里输入是(C, H, W)
不好意思，我没有按照标准的测试方法在数据集测试过结果。我的代码只提供一个参考实现，不一定能保证对齐作者的结果。
> 按照设定的参数结果detection指标基本能和论文对齐，RS有0.1-0.2的差距， 但是descriptor指标HE和MS差的很多，说明descriptor没训练好，请问有什么建议吗 1、增加des的权重 2、换回作者的loss函数，不过我当时尝试了一下作者的实现，没有收敛，可能是我参数没调整好 3、确认一下des是对哪种情况效果不好，旋转，平移，重复。看看数据增强是不是合理
> > > 按照设定的参数结果detection指标基本能和论文对齐，RS有0.1-0.2的差距， 但是descriptor指标HE和MS差的很多，说明descriptor没训练好，请问有什么建议吗 > > > > > > 请问您最近的复现结果怎么样？ > > RS结果能达到0.640，LE是0.98，HE是0.76，descriptor的指标和论文依然差距很大 你好，能分享一下你的测试代码吗，周末抽空重新调整了描述子监督的地方。看一下能否和你的测试方案对齐结果
> 大佬，您好！我看您的这份开源工作中只对每一层的权值与激活值进行了量化、反量化操作，然后输出作为下一层的输入，然后再作为下一层的输入作激活的量化反量化；但是我看别的一些量化代码中，除了对每一层的激活值、权值进行量化，还对每一层的输出进行量化、反量化，想请教一下大佬这是为啥？因为该层的输出量化不就是下一层的输入激活值量化吗？ 实际中会有很多多分支操作，以及混合精度量化，所以每层都是完整的对输入，权重，输出都量化会更通用
你好，可以请教一下工程的正确释放顺序应该如何做？部分指针delete会卡死。
Is there a support plan for this feature?