CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq_unimatch_exp001.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq_unimatch_exp002.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq003.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq004.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq005.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq006.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq007.yaml
CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq008.yaml

CUDA_VISIBLE_DEVICES=0,1,2,3 torchrun --nproc_per_node 4 main.py --cfg cfgs/upr_freq_unimatch_exp002_stopmotion.yaml

**inference 고려사항**
class Model에서 패딩 위치: normalization -> padding
utils.padder.py: constant padding mode
pyr_level (Vimeo: 3, UCF: 3, SNU-FILM: 5)
trainer.py: train function에서 epoch 들어가기 전에 return
yaml: [results.txt, 이미지들 저장하고 싶으면][~~~every 전부 1로 설정] /// [그렇지 않으면][~~~every 전부 마지막 에폭 안 나눠떨어지는 수로 설정]