提问人：Xanta_Kross 提问时间：11/13/2023 最后编辑：Christoph RackwitzXanta_Kross 更新时间：11/13/2023 访问量：30
批量处理还是逐个图像处理？（恐龙V1）
Batch-wise processing or image-by-image processing? (DINO V1)
问：
我一直在尝试为个人项目重新创建 Dino V1 训练设置。为此，我从这个存储库中获取了大部分代码：https://github.com/facebookresearch/dino[dinov1 link]1
rn 我几乎完成了它，除了 main_dino.py 文件中的一部分之外，有一个名为 train_one_epoch 的函数，在第 318 行中他们给出了：
teacher_output= teacher (images[:2]) # only the 2 global views pass through the teacher
现在我知道 pytorch 张量索引/切片是如何工作的。因此，如果图像是结构的一批图像：
（批量大小、作物数量、C、H、W）
- 做图像[：2]如何让你获得给定批次中所有图像的全局裁剪？
- 他们在这里是批量处理图像，还是这里的“图像”列表只是一个列表，其中包含来自单个输入图像的多个裁剪？
答：
1赞
null
11/13/2023
#1
在调用模型之前，对模型进行了另一次修改，学生和教师模型都使用 MultiCropWrapper 类进行包装。只需查看该类的文档字符串，如下所示：train_one_epoch()
class MultiCropWrapper(nn.Module):
"""
Perform forward pass separately on each resolution input.
The inputs corresponding to a single resolution are clubbed and single
forward is run on the same resolution inputs. Hence we do several
forward passes = number of different resolutions used. We then
concatenate all the output features and run the head forward on these
concatenated features.
"""
因此，这个 MultiCropWrapper 类处理前向传递，并且还提到它为不同的分辨率执行多个前向传递。
评论