关于ACC和R@5的问题 about chinese-clip HOT 13 OPEN

给下你的valid_texts.jsonl中的2-3条数据看看，我之前遇到这样的问题是，在json里面，一个文本只对应了少部分数据，但实际一个文本应该对应所有数据。例如，在验证集中，如果你的一个文本，对应了 5 个图片，那么这5个图片都要放在image_ids里面，你可以看实现逻辑：即 ground_truth_ids里面的数据少了，所以导致recall分数低

from chinese-clip.

@ChesonHuang 我get到你的意思，但是我用的数据集中一张图片只对应一个image_ids，train、valid和test都是如此，而在fitfune过程中ACC是显示80多的，我用R@1计算出来更低只有0.几分，下面是我的训练记录和对应的json情况。
这是微调记录：

下面是valid的json：

下面是train的json：

我不知道什么原因导致如此ACC和R@间的分数相差如此之大

from chinese-clip.

验证集和训练集的ACC都达到了80+，但是在测试集和验证集中R@5分只有18分和9分，请问是什么问题呢？应该如何解决呢？

请问你的参数设在是怎样的

from chinese-clip.

@ChesonHuang @keminze

这是我运行脚本得出来的召回分数
是用微调后的权重的

from chinese-clip.

@keminze

from chinese-clip.

@ChesonHuang @keminze 这是我运行脚本得出来的召回分数 是用微调后的权重的

你好，我遇到了同样的问题，请问您发现错误 解决了吗？ 感谢！

from chinese-clip.

@ChesonHuang @keminze 这是我运行脚本得出来的召回分数 是用微调后的权重的

你好，我遇到了同样的问题，请问您发现错误 解决了吗？ 感谢！

建议你在 cn_clip/eval/evaluation.py 或 cn_clip/eval/evaluation_tr.py, 打印下 ground_truth_ids 和 top10_pred_ids 看看，或许它可以告诉真相

from chinese-clip.

dan'qi'shi但其实我输出后也就是这样，应该没问题吧，因为他标签都是一对一的

from chinese-clip.

dan'qi'shi但其实我输出后也就是这样，应该没问题吧，因为他标签都是一对一的

有问题的，你的图片id是: 140010041888, 但你模型预测的top10里面没有这个图片id，所以r@x都是0；说明你训练的模型预测不准确

update: 还有一种可能是，输入的图片必须存在valid数据集对应文本的image_ids里面，但140010041888这个图片并没有在image_ids中

from chinese-clip.

嗯，应该是模型训练的问题，查140010041888上面是有的，不然他就会报错了

from chinese-clip.

@ChesonHuang @keminze 这是我运行脚本得出来的召回分数 是用微调后的权重的

你的训练集和验证集的文本处理方式是一样的吗

from chinese-clip.

是一样的，我一起处理的

from chinese-clip.

所以他这个Acc到底是怎么计算的？是什么的准确率？Acc和R@N之间有必然的联系吗

from chinese-clip.