Normalization problem

[lwz1310234380]

Hello author, I noticed that in the self supervised training, OC-MAX was set to 560.2 in train_ssl.py and 87 in train.py. Is this intentional arrangement? Is it to preserve the integrity of the data and optimize the performance of the model in the main application scenarios by using different normalization ranges in different training stages?

[H-0526]

您好作者，我注意到在自监督训练中，OC-MAX 在 train_ssl.py 中设置为 560.2，在 train.py 设置为 87。这是有意为之吗？是为了保持数据的完整性，并通过在不同训练阶段使用不同的归一化范围来优化模型在主要应用场景中的性能吗？

我是一名路过的热爱这项工作的研究生，这个问题其实很好解决，作者为了避免多用inverse_transform造成读者混淆，直接用OC_MAX来增加了代码的可读性。一般在进行反归一化时，测试集也要用跟训练集相同的scaler才能确保实验的严谨性，在这篇论文中，由于仅是使用了MinMaxScaler，而在数据探索部分就知道了最大最小值，直接使用应当是没问题的。