我今天在尝试使用别人的网络来测试时，因为自己电脑的显存比较小，我就把测试时的batch-size改为了原来的一半，结果“测试结果达不到预期”，和他们readme上面的说得不一样，
于是我就怀疑是不是这个论文的代码在瞎写，可是这个论文的star为3K，然后它还是非常有影响力的一篇文章，然后我就去issue区去看有没有人遇到了相似的问题，
https://github.com/clovaai/stargan-v2/issues/101
大致意思就是这个人使用的batch-size为readme标注的一半“4”（readme标出的为8），结果训练的结果很差，应该使用readme上默认的设置batch才可以达到同样的效果。
看完以后我才大为震惊，因为我很多时候都是用别人的代码进行训练自己的数据，结果却很多时候得不到很好的结果，我以为是任务不同造成的结果差异，其实我忘记考虑batch-size对训练结果的影响了，究其原因我想应该是我们改变batch-size，但是却忘记了batch-size对learning-rate还有其他一些hype-parameter的影响。
深度学习中batch size 和 learning rate有什么关系？
看来下一步应该是要购买：
1、超过24GB显存的大小的GPU；
2、64GB的内存
3、2T的黑盘存储