pre-train模型效果

[ReBenDish]

想问一下，放上去的pre-train模型是否是论文数据中的模型呢？跑了一下set5差距很大

[zhengchen1999]

是论文中的模型。
结果均可以复现。存在较大差距大概率是运行过程（设置、指令等）存在问题。

[ReBenDish]

是否会是pytorch版本或者工具包版本的问题，因为设置是按照yml设置的没有动，指令的话也是仓库提供的，应该不会有这么大的差异

[zhengchen1999]

你有修改过什么代码或者设置吗？
pytorch版本对结果影响不大。

[ReBenDish]

没有，只是单纯的修改了数据集的地址，模型相关的都没有改动

[ReBenDish]

还有一个现象，我不知道与这个是否有关，我在运行python setup.py时，总是不成功报Segmentation fault (core dumped)，因此我就没有进行这一步，直接跑的test，不知道是否有关

[zhengchen1999]

用截图的方式，给出你的测试代码、配置、结果。

[ReBenDish]

这是结果：

配置其实我没有修改什么，只有地址修改了：



指令也没有修改：
python basicsr/test.py -opt options/Test/test_DAT_x2.yml

题外话:我还发现一个有趣的现象是，当我拉取四卡服务器时，构建环境是可以运行test的，但是单卡或者双卡服务器时，就无法构建环境，会报Segmentation fault (core dumped)的错，我不知道是否是代码中设置了显卡要求，因为我看论文中提及了四卡。

[zhengchen1999]

指令、设置均没有问题，可能是测试数据存在问题，或者环境配置问题（我没有遇到过能运行，但是结果不正确的环境配置情况）。
建议使用我们提供的数据（https://drive.google.com/file/d/1yMbItvFKVaCT93yPWmlP3883XtJ-wSee/view）进行测试。
另外，代码对显卡没有要求，可能是你们ai平台的问题。

[ReBenDish]

感谢大佬的回答，确实是测试集的问题，使用benchmark的就可以复现了。但是这也十分的困惑我，为何按照论文中的方法，对原图使用opencv的bicubic对原图下采样后的数据，无法达到和benchmark一样的性能？

[zhengchen1999]

可能是下采样部分的实现问题，你可以用你对应的数据集在其他模型，如SwinIR上进行测试，应该也无法复现结果。

[ReBenDish]

确实如此，但是从理解上来说模型应该有鲁棒性，下采样的方式不应该是30和38这么大的差距，感觉哈哈哈，不然模型的效果不是和下采样的算法绑定了吗

[zhengchen1999]

1. 模型和bicubic下采样绑定（在如bilinear下性能不佳），但是具体差距我没有尝试过。如果追求泛化性，考虑blind sr版本（https://openmodeldb.info/?sort=date-desc&t=arch%3Adat）
2. 我的意思是，可能是你之前的下采样代码实现有问题，本身测试数据就是不正常的。