Anomaly-Transformer (ICLR 2022 Spotlight)复现过程及问题

官方代码：GitHub - thuml/Anomaly-Transformer: About Code release for "Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy" (ICLR 2022 Spotlight), https://openreview.net/forum?id=LzQQ89U1qm_

作者推荐的是 python3.6，pytorch 1.4 

1. 环境修改

尝试安装 pytorch 1.4 运行，但是代码会卡住，并且没有报错。定位错误在：Anomaly-Transformer/model/attn.py

self.distances = torch.zeros((window_size, window_size)).cuda()

.cuda() 卡住：原因是 安装的 pytorch 1.4 对应的CUDA 版本为 10.x，算力是 sm_86，CUDA 10.x 最高支持到 sm_75，因此需要CUDA 11.x来支持sm_8.x。

因此升级 我的环境 python3.7，  pytorch 1.12  , 显卡3080Ti, CUDA 版本：11.3

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

再次运行训练脚本，又报错：

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [512, 25]], which is output 0 of AsStridedBackward0, is at version 2; expected version 1 instead. Hint: enable anomaly detection to find the operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).

解决：注释掉Anomaly-Transformer/solver.py 的第一个 .step()：

                # Minimax strategy
                loss1.backward(retain_graph=True)
                # self.optimizer.step()
                loss2.backward()
                self.optimizer.step()

参考：Why the optimizer.step() write twice？ · Issue #8 · thuml/Anomaly-Transformer · GitHub

2.  恭喜！  成功运行！

python main.py --anormly_ratio 1 --num_epochs 3    --batch_size 128  --mode train --dataset PSM  --data_path dataset/PSM --input_c 25    --output_c 25

------------ Options -------------
anormly_ratio: 1.0
batch_size: 128
data_path: dataset/PSM
dataset: PSM
input_c: 25
k: 3
lr: 0.0001
mode: train
model_save_path: checkpoints
num_epochs: 3
output_c: 25
pretrained_model: None
win_size: 100 

======================TEST MODE======================
/opt/conda/lib/python3.7/site-packages/torch/nn/_reduction.py:42: UserWarning: size_average and reduce args will be deprecated, please use reduction='none' instead.
  warnings.warn(warning.format(ret))
Threshold : 0.002150955616962149
pred:    (87800,)
gt:      (87800,)
pred:  (87800,)
gt:    (87800,)
Accuracy : 0.9848, Precision : 0.9713, Recall : 0.9739, F-score : 0.9726 

论文中的结果：对于PSM数据集

P: 96.91，R: 98.9,  F1: 97.89

复现的 Recall 略低。但是 Precision 略高。二者本就是需要权衡。可以通过调整上面的 Threshold : 0.002150955616962149 平衡二者。

最后

以上就是大力金针菇为你收集整理的Anomaly-Transformer (ICLR 2022 Spotlight)复现过程及问题的全部内容，希望文章能够帮你解决Anomaly-Transformer (ICLR 2022 Spotlight)复现过程及问题所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。