请问有什么办法增加建筑物变化检测的泛化能力吗

[funny000]

现在想到一种方法是合并levir-cd数据和whu-building cd数据，用于训练变检模型，这种办法可行吗？
另外您写的模型训练怎么设置单机多卡训练的？

[Bobholamovic]

你好！

1. 扩充数据集是一种常用的方法，我认为这在一定程度上可以提升训练出来的模型的泛化能力。
2. 这个repo只支持单机单卡训练～

[funny000]

好的，了解了，
另外我想保存网络+权重这样的文件，在train.py文件的trainer后面加了些语句，但是报错了，是哪里没写对吗
`args = parse_args(parser_configurator)
trainer = RTrainer_switcher

print(trainer.model)
p2vnet = trainer.model
model_dir = "model_best_p2vnet.pth"
state = torch.load(model_dir)
p2vnet.load_state_dict(state)
torch.save(p2vnet, "p2vnet.pth")
exit(1)`

[Bobholamovic]

具体是什么错误呢

[funny000]

报错信息是missing key(s) in state_dict:

[funny000]

加载权重后，用模型的load_state_dict方法加载权重参数进模型，有不匹配的key

[Bobholamovic]

看起来model_best_p2vnet.pth中的内容和trainer.model并不匹配，所以不能直接加载～建议把trainer.model的state dict的key也打印出来，对比看看