代码相关问题

[tianqiwanlaiqiu12]

您好，最近在研究oltr方法，发现您的代码当中netbuilder.py这个脚本当设置attmodule=True时运行报错，是什么原因呢？脚本里边data_shape设置是做什么的？期盼您的回复，万分感谢

[ma-xu]

@tianqiwanlaiqiu12 Could you please post the errors here so that I can debug for you.

For thr data_shape, it is used for the attention module in OLTR, since there is a spatial flatten operation in the module. We can set the value to 4 if using cifar dataset and set the value to 7 if using ImageNet.

[tianqiwanlaiqiu12]

@tianqiwanlaiqiu12能否请您在此处发布错误，以便我为您调试。

对于 thr data_shape，它用于 OLTR 中的注意力模块，因为该模块中有空间展平操作。如果使用 cifar 数据集，我们可以将值设置为 4，如果使用 ImageNet，我们可以将值设置为 7。

非常感谢回复，我用的是mnist数据，data_shape=4，在运行netbuilder.py脚本的以下代码时报错
def demo():
x = torch.rand([1, 1, 28, 28])
net = Network('LeNetPlus', 2, 50, use_fc=False, attmodule=True, classifier='metaembedding')
y, fea, feature_maps, x = net(x)
print(y.shape)
demo()
报错如下：

希望您能帮忙看一下什么原因，万分感谢

[tianqiwanlaiqiu12]

@tianqiwanlaiqiu12 Could you please post the errors here so that I can debug for you.

For thr data_shape, it is used for the attention module in OLTR, since there is a spatial flatten operation in the module. We can set the value to 4 if using cifar dataset and set the value to 7 if using ImageNet.

@tianqiwanlaiqiu12能否请您在此处发布错误，以便我为您调试。
对于 thr data_shape，它用于 OLTR 中的注意力模块，因为该模块中有空间展平操作。如果使用 cifar 数据集，我们可以将值设置为 4，如果使用 ImageNet，我们可以将值设置为 7。

非常感谢回复，我用的是mnist数据，data_shape=4，在运行netbuilder.py脚本的以下代码时报错
def demo():
x = torch.rand([1, 1, 28, 28])
net = Network('LeNetPlus', 2, 50, use_fc=False, attmodule=True, classifier='metaembedding')
y, fea, feature_maps, x = net(x)
print(y.shape)
demo()
报错如下：

希望您能帮忙看一下什么原因，万分感谢

我在调试的时候当data_shape=1时是没有报错的，但是不知道这个参数是做什么的，可不可以设置为1？

[ma-xu]

@tianqiwanlaiqiu12能否请您在此处发布错误，以便我为您调试。
对于 thr data_shape，它用于 OLTR 中的注意力模块，因为该模块中有空间展平操作。如果使用 cifar 数据集，我们可以将值设置为 4，如果使用 ImageNet，我们可以将值设置为 7。

非常感谢回复，我用的是mnist数据，data_shape=4，在运行netbuilder.py脚本的以下代码时报错
def demo():
x = torch.rand([1, 1, 28, 28])
net = Network('LeNetPlus', 2, 50, use_fc=False, attmodule=True, classifier='metaembedding')
y, fea, feature_maps, x = net(x)
print(y.shape)
demo()
报错如下：

希望您能帮忙看一下什么原因，万分感谢

@tianqiwanlaiqiu12 很抱歉恢复的比较迟。 我更新了测试样本，请查看。支持三种数据集：mnist(backbone LeNet), cifar, ImageNet. 三种数据集经过backbone网络后产生的feature的solution分别是1x1, 4x4, 和7x7。这就是data_shape的作用，因为OLTR的attention module是将特征拉平的。希望能够解决你的困惑。

[tianqiwanlaiqiu12]

@tianqiwanlaiqiu12能否请您在此处发布错误，以便我为您调试。
对于 thr data_shape，它用于 OLTR 中的注意力模块，因为该模块中有空间展平操作。如果使用 cifar 数据集，我们可以将值设置为 4，如果使用 ImageNet，我们可以将值设置为 7。

非常感谢回复，我用的是mnist数据，data_shape=4，在运行netbuilder.py脚本的以下代码时报错
def demo():
x = torch.rand([1, 1, 28, 28])
net = Network('LeNetPlus', 2, 50, use_fc=False, attmodule=True, classifier='metaembedding')
y, fea, feature_maps, x = net(x)
print(y.shape)
demo()
报错如下：

希望您能帮忙看一下什么原因，万分感谢

@tianqiwanlaiqiu12 很抱歉恢复的比较迟。 我更新了测试样本，请查看。支持三种数据集：mnist(backbone LeNet), cifar, ImageNet. 三种数据集经过backbone网络后产生的feature的solution分别是1x1, 4x4, 和7x7。这就是data_shape的作用，因为OLTR的attention module是将特征拉平的。希望能够解决你的困惑。

非常感谢您的耐心解答，给我提供了很大的帮助