G. Yu

> 大佬， 您好，不好意思又打扰您了， 我利用您给的checkpoint在msr-vtt， 在生成阶段的_run_one_gpu里的[clip算出来的相似度矩阵](https://github.com/jpthu17/DiffusionRet/blob/main/main_retrieval.py#L401)取出来，然后也把最终[diffusion的相似度矩阵](https://github.com/jpthu17/DiffusionRet/blob/main/main_retrieval.py#L477)取出来，然后利用[compute_metrics](https://github.com/jpthu17/DiffusionRet/blob/main/main_retrieval.py#L626)进行计算得到的结果如下  按道理来说clip阶段算出来的是第一阶段的相似度矩阵，第二阶段并没有对他们的参数进行更新，所以应该是第一阶段discrimination的结果，第二阶段的结果是diffusion进行的测试，两个生成的过程比较近似，所以我的理解是第一阶段就是生成得到的48.7， diffusion阶段只促进了0.3的提升，希望大佬能给一个解释 确实如此，但能有提升说明diffusion是有效的，或者可以计算mAP值来更直观感受效果？