哈喽，我想问一下代码中使用mmd_linear时损失很小也很稳定，但是我换成您代码里的mmd或者CORAL损失就会不稳定而且偏大，这是为什么啊，还想问问您关于目标域是否参与训练这个问题。

作者您好啊，很抱歉打扰您啦，我想问问您数据集是直接将seed里面的ExtractedFeatures按照实验分为1.2.3三个文件夹然后送入程序的吗还是需要提前处理为3394x310的形式然后分为1.2.3文件夹送入的。我刚刚开始接触这个领域，读了您的文章感觉对我很有启发，想复现一下代码，就是在读数据集的时候就一直报错，所以就想来问问您。

作者您好，感谢您的分享。仔细拜读了您的文章，关于标准化有一个小问题希望解答。
您在文章中提出了很多标准方法运用在源域，那么对于目标域而言，是否需要标准化又是如何标准化的。此外，DA的前提似乎是需要利用所有的无标签测试集数据，这样的方法在实际应用上似乎稍显不足。

现在代码还处于
<<<<<updated upstream

stashed changes
的修改状态，而且有些缩进是没调整好的
请问作者能给一下一开始的代码吗，我怕我复现错误。

作者好，想问下那个discrepancy loss是作用于domain-specific features，在classifier分类之前吗？而不是分类器四分类softmax后进行作差计算的吗？

您好！请问您在做脑电domain adaptation时有遇到过负迁移的现象吗？如果有的的话有什么解决思路吗？感谢

作者您好，您在readme里面提到seed中的extracted features文件夹中，需要按照/1/2/3这样的子目录形式，分别把3个session的数据放进去。但extracted features中的所有mat文件只标注了被试序号和时间，该去如何区分各个session呢？我这边是按照时间先后来划分不同的session的，不知道是否正确。
接上文，在没有改动任何代码的情况下，最后复现出的结果，seed数据集cross session的准确率为88%，和论文一样，但是cross subject准确率只有80%，比论文低了9-10%，所以想来咨询一下，有没有可能是我在处理数据集或者其他部分出了问题。
最后谢谢作者能看到这里，恳请您能够拨冗答疑。

论文并没有做留一实验，我添加了几行代码，进行了SEED3的留一交叉验证实验，发现性能不能达到论文的准确率，下面是结果：

Cross-subject: [tensor(89.7466), tensor(78.7861), tensor(79.6995), tensor(84.5021), tensor(92.5751), tensor(77.3129), tensor(79.3164), tensor(64.1426), tensor(89.2163), tensor(94.6376), tensor(89.1279), tensor(75.4862), tensor(79.9352), tensor(86.2994), tensor(82.5280), tensor(76.9299), tensor(87.6842), tensor(81.5557), tensor(75.3094), tensor(66.2935), tensor(74.2487), tensor(79.4343), tensor(64.2899), tensor(98.0554), tensor(78.6093), tensor(98.0554), tensor(90.9546), tensor(85.8574), tensor(83.5887), tensor(73.0112), tensor(82.1155), tensor(89.0395), tensor(89.7761), tensor(65.3801), tensor(66.9417), tensor(47.1126), tensor(78.2557), tensor(66.4702), tensor(69.1220), tensor(90.1296), tensor(57.8963), tensor(84.2369), tensor(80.5245), tensor(88.1850), tensor(98.0554)]
Cross-subject mean: 80.23178 std: 10.919936

其中，每三个数字代表一个被试的准确率。

请问作者做过相关的实验吗？问题出在哪里？

我的运行环境是：

os: Ubuntu 18.05
gpu: RTX3090*1
python: 3.8.11
pytorch: 1.10+cu113

下面是我修改的代码：

# msmdaer.py
# cross-validation, 15 个被试的留一实验
for subject_id in range(15):
    for i in range(3):
        csub.append(cross_subject(data_tmp, label_tmp, i, subject_id, category_number,
                                  batch_size, iteration, lr, momentum, log_interval))
# 传入了subjec id

# msmdaer.py
def cross_subject(data, label, session_id, subject_id, category_number, batch_size, iteration, lr, momentum, log_interval):
    one_session_data, one_session_label = copy.deepcopy(
        data[session_id]), copy.deepcopy(label[session_id])
    # one_session_data, one_session_label = copy.deepcopy(
    #     data), copy.deepcopy(label)
    train_idxs = list(range(15))
    del train_idxs[subject_id]
    test_idx = subject_id
    target_data, target_label = one_session_data[test_idx,
                                                 :], one_session_label[test_idx, :]
    source_data, source_label = copy.deepcopy(
        one_session_data[train_idxs, :]), copy.deepcopy(one_session_label[train_idxs, :])

    del one_session_label
    del one_session_data
    .......

#util.py
def load_data(dataset_name):
    '''
    description: get all the data from one dataset
    param {type} 
    return {type}:
        data: list 3(sessions) * 15(subjects), each data is x * 310
        label: list 3*15, x*1
    '''
    path, allmats = get_allmats_name(dataset_name)
    data = [([0] * 15) for i in range(3)]
    label = [([0] * 15) for i in range(3)]
    for i in range(len(allmats)):
        for j in range(len(allmats[0])):
            mat_path = path + '/' + str(i+1) + '/' + allmats[i][j]
            one_data, one_label = get_data_label_frommat(
                mat_path, dataset_name, i)
            data[i][j] = one_data.copy()
            label[i][j] = one_label.copy()
    return np.array(data), np.array(label)

想咨询一下utils里的一段代码，在get_number_of_label_n_trial()函数中，代码具体如下：
label_seed4 = [[1, 2, 3, 0, 2, 0, 0, 1, 0, 1, 2, 1, 1, 1, 2, 3, 2, 2, 3, 3, 0, 3, 0, 3],
[2, 1, 3, 0, 0, 2, 0, 2, 3, 3, 2, 3, 2, 0, 1, 1, 2, 1, 0, 3, 0, 1, 3, 1],
[1, 2, 2, 1, 3, 3, 3, 1, 1, 2, 1, 0, 2, 3, 3, 0, 2, 3, 0, 0, 2, 0, 1, 0]]
label_seed3 = [[2, 1, 0, 0, 1, 2, 0, 1, 2, 2, 1, 0, 1, 2, 0],
[2, 1, 0, 0, 1, 2, 0, 1, 2, 2, 1, 0, 1, 2, 0],
[2, 1, 0, 0, 1, 2, 0, 1, 2, 2, 1, 0, 1, 2, 0]]
请问这段代码里的label是从哪里得来的呀，我在SEED和SEED-IV的数据集里并没有找到。因为我想把代码也放在DEAP数据集上面也跑一下，也需要生成一个label的list，所以想问一下这个该怎么找？

作者您好，我想请教一下，为什么会一直提示NotADirectoryError: [WinError 267] 目录名称无效。: 'ExtractedFeatures/10_20131130.mat'，它读取的是一个文件，而不是目录，是因为 mats = os.listdir(path + '/' + session)这行的原因吗

你好，我发现您代码中DANN的相关方法存在一些问题，然后我自己修改了一下却达不到论文中的效果，请问是否可以修改一下？

作者大大你好~我用seed数据集跑了你的实验，是分了三个1、2、3文件夹，把每个人不同期的mat文件放进去，但是跑出来cross-sub只有68，cross-sess是79，7是我放的数据集形式不对还是什么可能的原因导致的哇