ACM MM 2023 | 统一的基于文本的行人检索：大规模多属性和语言检索基准 复现

论文：Towards Unified Text-based Person Retrieval: ALarge-scale Multi-Attribute and Language Search Benchmark

文章地址：

[2306.02898] Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark

代码地址：

Shuyu-XJTU/APTM: The official code of "Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark" 

首先按照README.md文件中描述配置所需，同时下载模型权重

在使用个人PC时按照README.md文件中描述运行会无事发生

此时可以看到run.py文件中

在单卡情况下我们需要将f4改为gpu0，但仍不能解决问题，可以继续看到run.py文件中

这段代码是用于配置分布式训练的参数，通常用于在多节点或多 GPU 环境下运行 PyTorch 分布式训练任务，各参数分别为：

1.参与训练的节点（机器）数量

2.每个节点上使用的 GPU 数量

3.主节点的 IP 地址

4.主节点用于通信的端口号

5.当前节点的编号

然而个人跑这个代码并不需要分布式训练，run.py文件中可以观察到

run.py文件终究是需要运行Retrieval.py文件的，作者猜测可能是run.py文件中某些关于分布式训练的内容使得个人PC单卡上无法成功运行，于是选择直接运行Retrieval.py文件

python Retrieval.py --checkpoint "output/ft_cuhk/checkpoint_best.pth" --config "configs/Retrieval_cuhk.yaml" --task "itr_cuhk" --output_dir "output/ft_cuhk/test" --evaluate

其中参数可以在Retrieval.py文件中看到，我们以CUHK-PEDES为例加载预训练模型权重，注意不要启动分布式训练--distributed

成功运行