一、主要任务
- 双向迁移的实验效果调优
二、前期工作回顾
进展1：对地震数据进行Max_Abs归一化后，Step1的拟合能力有显著提升。
进展2：Step2中修改网络架构的跳跃连接，用以增加拟合边界的能力。好处是能够显著提升重构速度模型的能力，将Step1提取的地震数据特征转化成解码器需要的特征。
然而，随着对跳跃连接中的模块进行修改和增强，缺点也很明显：速度图始终存在伪影，虽然能学到正确的，但也会留下不正确的边界。
三、本周进展
此前在Step2基础上做了部分带标签Step3的迁移，发现迁移效果越来越差。
分析原因有可能是Step2的学习没有学到本质，所以被Step3少量标签的样本带跑偏。
同时Step2本身存在伪影未解决的问题，故仍以对Step2的效果进行分析和调优为当前主要任务。
为了去除伪影，找到伪影出现的源头
尝试：打印出解码器路径的特征图
四、困难
困难1：skip loss的不易下降，只是一直在波动。
解决：解耦解码器路径的损失和skip loss。损失可以下降了
困难2：SkipAdapter的功能太强大，使得解码器路径没有学到有用的东西。
解决：用Hook机制训练解码器路径的特征图。总体上来看，边界更清晰了，但是仍有伪影，伪影方面并无特别的改善。
五、下周工作计划
1.找到伪影来源，为此重新梳理一下SkipAdapter的模块作用
2.修正存在的小问题：
Step1的归一化(MaxAbsNorm)和Step2的归一化不统一（TraceNorm）