AvadaKarrot

I have the same questions as well. In general criteria, when in inference phase as far as I know, it is not allowed to get access to Test Data Label...

> 这个应该是类似于multi query的 map，因为使用了centroids其实就是相当于利用了多个gallery的信息去做召回，不一样的是，一个是multi query，另外一个是multi gallery。不知道这样理解对不对。 我觉着这个理解是对的,reranking的方法改变了. 但是一般现实情况下,只能拿到一张query,而不是多张query去在Gallery里寻找. 这个方法排序出来的结果肯定是会更好的, 避免了一些hard样本排序的结果.

Have you successfully figured out these problems? I encountered them either. Could you please tell me how to set the hyper-parameters. Thank u.

您好，请问您解决这个问题了吗？ 我发现visualizer可视化的是某一个transformer layer的某个attention head的attn map，attn_map[i]的shape是(1, 12, 129, 129), grid_index是从0-128的int，在visualizer.py这个函数里，attention_map是(129, )的向量，如果grid_index取0，是不是就是cls的特征图，可以理解成全局的注意力图吗？ 我也想要全局注意力图，但是没想出合理的办法。请不吝赐教～

I suppose it is okay to interpolate (torch.nn.functional.interpolate) the complex_weight. However, in my task, changing it seems affect the model capacity.