训练得到的mAP低

[zhangyu96]

我按照博主的方法一步步操作，但是训练baseline_model时在训练迭代3,4个epoch时达到过0.73左右，但是在迭代100个epoch后，mAP只有0.69左右。请问您是怎么训练的，我为什么会出现这种情况？

[hitzht]

目前我也是按照博主的方法操作,baseline_model,在90个epoch是0.68左右,同问?

[songwsx]

我一开始按默认的配置也是这样，后来调整了学习率，效果甚至比博主的还略高了。

[songwsx]

[hitzht]

请问,你初始学习率设置的是多少,是否添加了衰减策略,目前你这个0.776的mAP是训练多少轮获得的结果?谢谢

[lz20061213]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

[yyx1107]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

[lz20061213]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

对 我用的TitanXp 时间少的不多

[yyx1107]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

对 我用的TitanXp 时间少的不多

你是和自己的剪枝模型和训练的baseline对比了吗?感觉自己的剪了也没有变多快，设的0.48，弄不明白

[lz20061213]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

对 我用的TitanXp 时间少的不多

你是和自己的剪枝模型和训练的baseline对比了吗?感觉自己的剪了也没有变多快，设的0.48，弄不明白

用的作者的代码 ratio=0.85 采用final模型 裁剪11369/13376 层 剪枝前后对比如下：

[yyx1107]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

对 我用的TitanXp 时间少的不多

你是和自己的剪枝模型和训练的baseline对比了吗?感觉自己的剪了也没有变多快，设的0.48，弄不明白

用的作者的代码 ratio=0.85 采用final模型 裁剪11369/13376 层 剪枝前后对比如下：

差不多的情况，但是我没有稀疏化好，只能最大设成0.48，剪完精度就掉0了。你是怎么稀疏的呀，有没有修改什么参数呢，用了多少个epoch呀

| mAP | 0.743434 | 0.000000 | | Parameters | 61523734 | 35518315 | | Inference | 0.0104 | 0.0095 |

[lz20061213]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

对 我用的TitanXp 时间少的不多

你是和自己的剪枝模型和训练的baseline对比了吗?感觉自己的剪了也没有变多快，设的0.48，弄不明白

用的作者的代码 ratio=0.85 采用final模型 裁剪11369/13376 层 剪枝前后对比如下：

差不多的情况，但是我没有稀疏化好，只能最大设成0.48，剪完精度就掉0了。你是怎么稀疏的呀，有没有修改什么参数呢，用了多少个epoch呀

| mAP | 0.743434 | 0.000000 | | Parameters | 61523734 | 35518315 | | Inference | 0.0104 | 0.0095 |

python train.py --model_def config/yolov3-hand.cfg -sr --s 0.01 什么参数都没改 用最后一个保存的模型测试的 稀疏化训练和裁剪都没问题 主要是模型精度 估计需要衰减学习率

[Gavin666Github]

我没有训练baseline，直接开始稀疏化训练，有问题吗

[baidu88vip]

同样的问题，测试AP值较低 (颜色浅的为实际AP，深的是平滑的值）

请问你测试作者剪枝后的模型了吗，为什么感觉测试的时间并没有变少啊

对 我用的TitanXp 时间少的不多

你是和自己的剪枝模型和训练的baseline对比了吗?感觉自己的剪了也没有变多快，设的0.48，弄不明白

用的作者的代码 ratio=0.85 采用final模型 裁剪11369/13376 层 剪枝前后对比如下：

差不多的情况，但是我没有稀疏化好，只能最大设成0.48，剪完精度就掉0了。你是怎么稀疏的呀，有没有修改什么参数呢，用了多少个epoch呀

| mAP | 0.743434 | 0.000000 | | Parameters | 61523734 | 35518315 | | Inference | 0.0104 | 0.0095 |

你是在自己的数据集上做的剪枝麽，我percent最大只能设置到0.35，剪枝后也是0了，肿么破，请大佬赐教

[paojianghu]

请问,你初始学习率设置的是多少,是否添加了衰减策略,目前你这个0.776的mAP是训练多少轮获得的结果?谢谢

warmup和学习率衰减策略有效

[alanMachineLeraning]

@songwsx 请问学习率是怎么调整的？

[huangxiang360729]

@songwsx 你的baseline能跑出和博主相同的mAP(甚至超过)，请问你对哪些超参进行了调整呢？学习率？学习率衰减？

[bluoluo]

代码里的默认超参可能不是最好的（mAP最高0.72），多调多试一下。

Detecting objects: 100%|██████████| 103/103 [00:18<00:00, 5.53it/s] Computing AP: 100%|██████████| 1/1 [00:00<00:00, 14.89it/s] Average Precisions:

• Class '0' (hand) - AP: 0.8698023980235626 mAP: 0.8698023980235626

ps：没有改动训练方式。

[yanyangchun]

代码里的默认超参可能不是最好的（mAP最高0.72），多调多试一下。

Detecting objects: 100%|██████████| 103/103 [00:18<00:00, 5.53it/s] Computing AP: 100%|██████████| 1/1 [00:00<00:00, 14.89it/s] Average Precisions:

• Class '0' (hand) - AP: 0.8698023980235626 mAP: 0.8698023980235626

ps：没有改动训练方式。

请问是怎么调参的呢？