Najme

> **注意修改配置文件** > > 这可能是在第一次运行时比较容易疏忽的地方，在训练自己的数据时，需要复制官方提供的 `may` 的配置目录，但还要进一步更改。 > > 官方的文档中仅提到了将 `lm3d_radnerf.yaml` 中的 `video_id` 改成自己的名字，但这其实还不够。一个简单有效的方法是：在你复制出来的整个 config 目录下，搜索 May 和 may 这两个关键字，并且将这两个关键字全部替换为你自己的 video_id。 > > **Be sure to modify the configuration file**...

> **在训练 Torso NeRF 模型时选择正确的 Head NeRF 模型** > > 官方代码中，默认存储了 3 个模型： > > > 而在训练 Torso NeRF 的时候，需要加载 Head NeRF 模型，如果你直接使用的是官方的命令行，那么他始终会加载最后一个模型，但很明显，根据上面的曲线来看，最后一个模型并不是最好的。 > > 因此在训练 Torso 的时候一定不要直接使用默认的命令，而是手动选择性能较好的 Head 模型。...

> > **在训练 Torso NeRF 模型时选择正确的 Head NeRF 模型** > > 官方代码中，默认存储了 3 个模型： > > > > 而在训练 Torso NeRF 的时候，需要加载 Head NeRF 模型，如果你直接使用的是官方的命令行，那么他始终会加载最后一个模型，但很明显，根据上面的曲线来看，最后一个模型并不是最好的。 > > 因此在训练 Torso 的时候一定不要直接使用默认的命令，而是手动选择性能较好的...

> **首先训练官方的 Demo，并使用 TensorBoard 查看结果，根据结果调整参数** > > 大部分人可能都需要训练自己的数字人，但在这之前，一定要先训练一次官方给的 Demo。这样我们在 TensorBoard 中才有一个「榜样」可以去比对。否则可能就像一个无头苍蝇，效果不好也不知道哪里出了问题。 > > 官方提供的代码在 TensorBard 中打印了非常多有用的信息，在训练好官方的 Demo 后，再训练我们自己的数据，就可以很容易地和官方的信息进行对比，例如： > > > 黑线是官方的 May，紫色曲线是我自己的数据，发现了么？我的数据早就已经过拟合了！而官方的数据则没有，因此我可能需要调整训练的次数，学习率等。 > > 如果所有的曲线能跟官方的曲线尽可能的匹配，那么可以说最后的效果应该可以和官方的 Demo 更加接近。 > >...

> **保存最佳模型** > > 官方源码中，把保存最好模型的代码注释掉了，建议重新打开，这样保存 validation_loss 最小的模型。 > > > **Save the Best Model** > > In the official source code, the code for saving the best model is commented...

> > > **在训练 Torso NeRF 模型时选择正确的 Head NeRF 模型** > > > 官方代码中，默认存储了 3 个模型： > > > > > > 而在训练 Torso NeRF 的时候，需要加载 Head NeRF 模型，如果你直接使用的是官方的命令行，那么他始终会加载最后一个模型，但很明显，根据上面的曲线来看，最后一个模型并不是最好的。 >...