Mebigger

@CaptainEven 非常感谢您的回复， 您的意思是把train函数中的net=RepNet 改成 net=InitRepNet 吗，如果是的话，我改完之后accuary还是0（我已经导入了vgg16网络和预训练的权重）。

@CaptainEven 对的，标签先经过了ProcessVehicleID.py的处理，print了vgg.state_dict(),确认权重模型没问题

@CaptainEven C:\Softwares\python.exe C:/WYX-Py_projects/Veichle_ReID/Program/RepNet-VehicleReID-master/RepNet.py => out_ids: 10086, out_attribs: 257 => in dim: 1000, out dim: 10086 => in dim: 1024, out dim: 10086 => Mix difference network: InitRepNet( (conv1_1): Conv2d(3, 64,...

@CaptainEven 好的，再次感谢 tips：我需要把InitRepNet.py中的 feats=vgg_oirg.model.features._modules classifier=vgg_oirg.model.classifier._modules中的.model删掉才可以训练

@CaptainEven 已经全部改成您的文件了，目前，accuracy还是0，我继续训练试试，再次感谢您的回复

@CaptainEven 好的， 您的机器太快了，我的1080ti，不知道要训练到什么时候， 但是我发现gpu的利用率并不是很高，cpu的利用率反而非常高

@CaptainEven 终于跑起来了，我的得改成batchsize=8，内存不够用 之前GPU利用率为0是并没有用gpu，最后找到原因是----os.environ['CUDA_VISIBLE_DEVICES'] = '1'这个地方的“1”，我需要改成“0”，因为我只有一个gpu 下边是网友的解释： os.environ[“CUDA_DEVICE_ORDER”] = “PCI_BUS_ID” # 按照PCI_BUS_ID顺序从0开始排列GPU设备  os.environ[“CUDA_VISIBLE_DEVICES”] = “0” #设置当前使用的GPU设备仅为0号设备  设备名称为'/gpu:0' 我觉得和device = torch.device('cuda: 0' if torch.cuda.is_available() else 'cpu')这句话也有关。 非常感谢您的耐心指导以及回复

@CaptainEven 您好，现在训练的有点过拟合，train达到99.99%，test只有49左右，请问您有什么小技巧吗，我正尝试该参数呢，您的CarReID_data是自己创建的数据集吗，对应的pair_set_car.txt内容是什么格式的呢？

这个是我用train训练的结果：   下边这是用train_mc训练的结果：   为什么加上FocalLoss之后效果反而到不好了呢？

@CaptainEven 您好，您说的arc loss 是arcFace Loss吗？  为什么在train函数中计算veicle_id的时候使用Foclaloss，而不是arc loss呢？