【不水】2024/9/17直观感受一下重训的效果

wtxx8888

奇奇怪怪的ID 发表于 2024-9-19 00:05
我一时半会儿说不出来，就是下意识觉得不对劲....  可能是见效慢吧，加上我想排除复训的影响计算均值 ...

哦哦，筛选那部分呗。我这训练太舒服了，曲线上，可以看见上限稳步，快速的下降中。高LOSS的图下的就是快。

奇奇怪怪的ID

wtxx8888 发表于 2024-9-19 00:10
哦哦，筛选那部分呗。我这训练太舒服了，曲线上，可以看见上限稳步，快速的下降中。高LOSS的图下的就是快 ...

既然你发了，我后面就不发了，如果有新思路我再和你碰一下

wtxx8888

奇奇怪怪的ID 发表于 2024-9-19 00:13
既然你发了，我后面就不发了，如果有新思路我再和你碰一下

额，你的还能再琢磨琢磨，筛选那部分呗？？？
那个我没搞，等你的吧。 其他人也等着呢

wtxx8888

奇奇怪怪的ID 发表于 2024-9-19 00:13
既然你发了，我后面就不发了，如果有新思路我再和你碰一下

其实我也有奇思怪想，虽然有些C/C++的基础，奈何python就是半吊子。
比如DFL这个训练遮罩的模型，我考虑是否可以用来抠图？那不得比，网上任何得抠图AI都牛X？

最近的发现是，DFL的脑补能力太强大了，我有部分吃鸡图是有码的，你猜怎么着？
无码里的清晰棒棒糖，竟然修了带码的那部分，变清晰了。。。
这特么，可以考虑下去马赛克用？

奇奇怪怪的ID

wtxx8888 发表于 2024-9-19 00:16
额，你的还能再琢磨琢磨，筛选那部分呗？？？
那个我没搞，等你的吧。 其他人也等着呢 ...

# 重新训练的次数
                for i in range(cycles):
                    # 记录当前时间
                    iter_time = time.time()

                    # 使用已选定的SRC和DST样本，重新进行训练，并计算LOSS
                    # src_loss, dst_loss = self.src_dst_train (target_src, target_src, target_srcm, target_srcm_em, target_dst, target_dst, target_dstm, target_dstm_em)
                    src_loss, dst_loss = self.src_dst_train (warped_src, target_src, target_srcm, target_srcm_em, warped_dst, target_dst, target_dstm, target_dstm_em)

                    # 判定是否为，最后一次。是则交由返回进行记录，否则在循环内记录
                    if i != cycles-1:
                        # 获取重训练样本的平均LOSS值
                        losses = ( ('src_loss', np.mean(src_loss) ), ('dst_loss', np.mean(dst_loss) ), )
                        # 计算本次训练的运算耗时
                        iter_time = time.time() - iter_time
                        # 将重训练样本的LOSS值，写入历史记录
                        self.loss_history.append ( [float(loss[1]) for loss in losses] )


                        # 更新数据，并输出显示
                        self.repeated_training(iter_time)
                    else:
                        # 如果启用了真实人脸权重，且不是预训练模式
                        if self.options['true_face_power'] != 0 and not self.pretrain:
                            # 训练判别器
                            self.D_train (warped_src, warped_dst)


                        # 如果启用了GAN权重
                        if self.gan_power != 0:
                            # 训练带有SRC和DST的判别器
                            self.D_src_dst_train (warped_src, target_src, target_srcm, target_srcm_em, warped_dst, target_dst, target_dstm, target_dstm_em)

                        # 计算本次训练的运算耗时
                        iter_time = time.time() - iter_time

                # 清空记录样本的LOSS列表
                self.last_src_samples_loss = []
                self.last_dst_samples_loss = []

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

这里的gan和真脸，我后面还要再测试一下gan和真脸开启后是每个循环执行一次好还是最后一次迭代执行好

奇奇怪怪的ID

wtxx8888 发表于 2024-9-19 00:23
其实我也有奇思怪想，虽然有些C/C++的基础，奈何python就是半吊子。
比如DFL这个训练遮罩的模型，我考虑是 ...

.....，我才是真的半吊子，买了本python入门书，就敢下手改了

wtxx8888

奇奇怪怪的ID 发表于 2024-9-19 00:28
# 重新训练的次数
                for i in range(cycles):
                    # 记录当前时间

我的代码，决定只给最后一次训练。
我的感觉，过多的重复训练，会过载。
尤其是GAN。平常训练的GAN，都容易过头。

要再重复次数过多，感觉GAN很容易超出正常范畴。所以我就最后一次，训练真脸及GAN。

初遇

。。。

chengse25

中秋快乐

jinyuan37

技术帖越来越少了，支持~