xxx2974
xxx2974
谢谢回复。那如果现在只有低分辨率的jpg图像，而没有高分辨率的，是不是没有办法重新训练模型？？
@xinntao 你好，还有个问题想请教，假如将高分图片下采样为原来的二分之一，而不是四分之一，具体应该修改哪些参数来重新训练一个2倍的超分模型呢？
> @xxx2974 > 如果只有低分辨率的jpg图像, 你可以参考 盲超分 的paper. > 关于修改的参数, 主要是1) 准备好相应的训练数据集和测试集; 2) 修改模型(比如在.json文件中)的相应的配置参数. 这个主要影响的是网络的构建, 主要是upsampling layer. > 一般可以从现有的其他scale的模型fine-tune过去. 谢谢！冒昧的问一下，我不太清楚具体要怎么做参数的修改，训练集与测试集我已准备好了，.json文件中我修改了一处"pretrain_model_G": "../experiments/pretrained_models/SRResNet_bicx2_in3nf64nb16.pth" 然后运行报错： 19-01-03 17:07:54.863 - INFO: Random seed: 0 19-01-03 17:07:54.868...
OK,thanks a lot.
@tensor-yu 我也进不去，手机电脑都试过了 不可以 怎么回事呀？？？？
> Hi, 我检查了下，链接应该没有什么问题。要不换个网络环境试试？我会开着这个Issue，如果别人还有这样的问题我会重新上传一次。 谢谢，我用手机下载又传到电脑上了，用电脑下还是不行 ，非常感谢！
你好，我想问一下，当k_at_hop=[20,5]时，one-hop节点指的应该是knn_graph上的前20个吧？那么当k_at_hop=[50,5]时，one-hop节点就应该是knn_graph上的前50个吧？ 但是我发现，在用edge_labels值来表示one-hop节点是否与与中心节点的id相同时，k_at_hop=[50,5]比k_at_hop=[20,5]对应的edge_labels里面的1值更靠后了，这是为什么呢？ @luzai @Zhongdao
@Zhongdao 作者你好，我想将分类问题利用您这个聚类方法来解决，在训练阶段出现accuracy很高，但是precision和recall都很低，几乎为0，出现这样情况的原因可能是什么呢？在构造knn_graph时，k的选择有什么依据呢？ 还有一个疑问，您构造的IPS子图中，positive节点数似乎非常少，在这样的情况下，训练时，recall和precision为何会很高，几乎为1呢？ 谢谢！
> @xxx2974 K的选择要根据数据的情况，比如你可以测试一下在某个K的条件下，如果用ground truth连接，那么最终的效果如何，这可以作为一个上界参考。 > 第二个问题是那个recall和precision是pair-wise的R和P， 不是最终的评测指标，仅供参考，它们在数值上往往偏高。 谢谢答疑！ 那像我这样的就是accuracy很高，precision和recall几乎为0的现象是为什么呢？
> @xxx2974 可能是你的knn graph中的负样本太多，虽然正样本预测错误，导致precision和recall都很低，但是负样本对的，accuracy仍然很高 谢谢，我一开始也觉得是这个原因。但后来我发现作者提供的数据构造的IPS子图，大多是也都是负样本，正样本也很少呢！ 另外，knn_graph里面的正样本数目太少，应该还是和通过网络提取到的特征有关吧？我是用预训练的resnet50提取的数据特征，有点不知道问题出在哪里，为什么构造的knn_graph里面的负样本会那么多。