继续训练下去呢，我并没有对单人做太多尝试？

从算法原理来说，dinet本身作为一个核心是wrap的few-shot算法，网络本身不保存颜色，而是学习怎么变形。 但对于单人talking face，更适合latend space的算法，譬如pix2pix、以及nerf类，它们自身就会存储物体的属性。你如果用wrap类的算法去学习单人，那只能边走边看了。经验之谈。

继续训练下去呢，我并没有对单人做太多尝试？

我没有训练单人，我训练了几十个人，一般要训练多少次，能达到比较好的效果

效果可以啊，gl与dl 相互博弈在.251就算稳定，gl长时间上升趋势就要注意后面训练，中断后调低判别器学习率。但作者的训练代码貌似不支持中途修改学习率

步数还是不够，也有可能和我牙齿与嘴唇冲突那样迷糊不去

单人型个视频训练160轮，效果还是很差

单人型个视频训练160轮，效果还是很差

6W轮试试

单人型个视频训练160轮，效果还是很差

6W轮试试

哪个参数设置epcho呢，没看到

找到了，有点隐秘config里，6w这得训练多久呀

epoch*总视频数，才是真正的训练步数。 默认设定的160轮，对于视频数有1000+的效果会比较稳定。 如果你的视频数只有几十个，那epoch最好增加相应比例来保证效果。

epoch*总视频数，才是真正的训练步数。 默认设定的160轮，对于视频数有1000+的效果会比较稳定。 如果你的视频数只有几十个，那epoch最好增加相应比例来保证效果。

只有5个单人视频，训练了3000轮效果还是很差

#43 (comment)
参照这个。视频特别少的话可能不适合从头训练，可能需要加载一个的完整checkpoint来继续训练，我这两天放上来。

找到了，有点隐秘的配置里，6w这得训练多久呀

是哪一个文件呀