本地推理效果和huggingface demo不一样

[TideDra]

感谢大佬开源的模型！
我在huggingface demo上试用了一下，效果很不错：

但是在本地用相同的配置跑同一张图片，检测效果却变差了：
命令：p2t predict -i "/Users/geary.z/Desktop/截屏2024-09-18 18.10.00.png" --save-debug-res debug.jpg --file-type text_formula --layout-config "{\"scores_thresh\": 0.45}"
输出：

For a single mutation in the learngenes, we consider its possibility independently across all layers, with each layer exhibiting a probability $p_{m}$ for undergoing this mutation. The likelihood of either increasing or decreasing a specific kernel in eacn layer is then computed as follows:
where $p_{l}^{+}$ decreasing a kernel in
$$
p_{l}^{+}=\alpha\cdot\frac{| K_{l} |} {n_{K}^{l}-| K_{l} |} \quad\mathrm{a n d} \quad p_{l}^{-}=1-p_{l}^{+} \tag{1}
$$
a $p_{l}^{-}$ represent the probabilities of increasing and
 $\l$ -th layer of the learngene.

请问这是怎么回事呢

[TideDra]

这是原图：

[breezedeus]

对比下具体的参数取值。demo 的代码都是开源的，可以看看差异。

[TideDra]

对比下具体的参数取值。demo 的代码都是开源的，可以看看差异。

我fork了demo的代码，分别部署在了huggingface space（cpu），google colab(cpu)和本地(macos14, m3)，发现用cpu跑都正常，只有m3跑出来的效果很差，请问这是啥原因呢

[breezedeus]

我的 M3 跑没发现类似的问题。你可以试试 M3 命令行结果是否跟 web 一致。