关于训练精度和论文中不一致？

[xin94wang]

您好，我看到您的read.md文件里只写了训练和评估的方式，没有写测试的运行方式，所以我是先选择的训练和评估，得到了训练的权重文件后去将main.py中的parser.add_argument('--vis', action='store_true', default=False, help='Visualize localization map (default: False)')修改成parser.add_argument('--vis', action='store_true', default=True, help='Visualize localization map (default: False)')，然后去将trainer.py中的def test(self, vis=False, checkpoint_path=None):修改成def test(self, vis=True, checkpoint_path=True):，然后我再次运行main.py，在mvtec ad数据集上得到了我以为的测试结果和可视化热图，但是Mean Image-AUC: 0.976，Mean Pixel-AUC: 0.983，请问我这个操作是哪儿错了吗？

下面是我的实验配置：RTX3090，backbone_arch选择的是wide_resnet50_2，create_ref_features.py里面的batch size和源代码中选择的一样是32，main.py里面的batch size和论文中指定的一样是1，请问您能帮我分析下我是哪个环节出错了导致我的Mean Image-AUC比论文中低了1.6%吗？

[xcyao00]

checkpoint_path是需要设置为训练时存储的权重文件路径，我不清楚你这里为什么设置为了True； 你要测试的话，可以在main.py中将--mode设置为test，将--checkpoint设置为存储的权重文件路径，--vis设置为True用于可视化；另外你可以检查一下在使用readme中给出的训练指令，得到的模型文件是否是最优的；因为train()方法中也是调用了test()方法进行测试的，如果训练验证期间的精度是正常的，单纯运行test()应该是不会有问题的；你可以检查一下，直接调用test()和在train()中调用test()方法，是否有什么在运行是不一致的代码片段。

[xin94wang]

@xcyao00 您好，请问您方便提供下您的邮箱或者微信探讨下如何才能让模型训练至最优状态吗？

当训练结束得到权重后，进行test，0.983的定位精度是稳定的，但是我仍然无法得到0.99的检测精度。