RMSprop about dsdh_pytorch

[TreezzZ]

树哥你好，我把网络换了resnet50，发现还真的只有RMSprop的结果能正常一点点，Adam和SGD好像没法正常更新。Any insight on this？仅是讨论哈哈，不是Issue。

我实验发现只要存在形如$S_{ij}*\Theta_{ij} - log(1+e^{\Theta_{ij}})$的Loss，在PyTorch里就只有RMSprop效果还能看，其他的优化器效果很差。不过我当时在复现DPSH这篇论文的时候发现
SGD是可以优化的，不过momentum这一项需要置为0，并且U和B变量（分别负责保存CNN输出和优化出来的B）初始化非常重要，具体细节忘了，好像是其中一个必须zero初始化，另一个必须randn初始化，可能还要加sign之类的，SGD才可能优化，特别玄学。
我阅读过作者提供的Matlab代码，它们直接是用SGD就可以做，能和PyTorch这个框架有关？理论水平不够，分析不出来哈哈哈，现在遇到这种形式的Loss我就直接用RMSprop了= =

[rayLemond]

我佛了。。我现在遇到的问题是用了RMSprop，大概前50个epoch还是正常的map基本上是在提高，然后50个epoch之后，map反而开始下降了，但loss的值还是在变小，就很晕。。还没能正常复现出DPSH的实际性能。（突然发现Issue是在DSDH下，我跑的是DPSH）
我之前跑过其他的方法，个人感觉，可能log()的梯度在pytorch里有点问题，但我也说不清楚。