请问pytorch以及cuda版本对权重影响很大嘛？

[Rhhhhhhh]

实验室用的是4090，所以测试环境不是10.2，用的11.3，pytorch用的是1.12，但是我在使用原始参数复现的几次最好的效果也只能达到0.61db左右，但是确实使用预训练的模型可以达到0.78db的效果，如果差一点点还能够理解，这个差的是否是有点多了？

[ryanxingql]

pytorch和cuda版本应该不会有显著影响。
请问训练数据是一样的吗？如果整个流程（数据、脚本）都是一样的，那么我也不清楚具体原因；差的有点多，不像是随机噪声。

[Rhhhhhhh]

是的，训练和验证数据使用的都是mfqev2数据集，创建lmdb的代码也没有修改过，就是原封不动跑了几次，都是完全达不到预训练实验效果或者是论文效果。
环境是ubuntu20.04。会是一卡训练和多卡训练的不同情况导致的吗？（个人觉得应该没有影响？使用的是mfqev2_1G的配置文件）

[ryanxingql]

建议试试不用 LMDB 跑。
可能预训练模型不是用 LMDB 跑的，时间有点久了，我不太确定。
因为 LMDB 是预先切好的块，不用 LMDB 则是随机切，后者随机性更强。
如果性能 drop 确实是 LMDB 导致的，感谢你的实验和提醒🙏

[Rhhhhhhh]

好的，十分感谢！我可以尝试一下。不过可以提供一些思路吗？我个人设想的是直接从yuv序列先裁剪出中心128*128的图片以及前后帧，以多帧图片的形式送入模型中训练吗？（好像这个流程跟LMDB的做法是类似的）

[ryanxingql]

建议参考一下这个仓库：https://github.com/ryanxingql/powerqe
里面有 STDF，是非 LMDB 版本。
把数据改成 Y 输入，然后模型改为单通道即可（原本是 RGB 3 通道输入）。

PS. 我没记错的话，这个 stdf-pytorch 仓库评估的应该是 Y-PSNR，因为只对 Y 做了增强。