Runist

> In addtion, did you try to use a large scale neural network training by a first-order approximation. Can it get a better result on dataset like miniImageNet? I think...

> > > In addtion, did you try to use a large scale neural network training by a first-order approximation. Can it get a better result on dataset like miniImageNet?...

> > > > > In addtion, did you try to use a large scale neural network training by a first-order approximation. Can it get a better result on dataset...

> 好吧，所以我才希望看到她本人来回答一下。 根据李宏毅教授的讲解，他是把二阶导近似等效为0或1。但是这样对结果的精度不好。

> > > 好吧，所以我才希望看到她本人来回答一下。 > > > > > > 根据李宏毅教授的讲解，他是把二阶导近似等效为0或1。但是这样对结果的精度不好。 > > 这个有讲义资料吗？求地址啊 B站上搜“李宏毅”第一个2020的你拉到下面有个Meta-Learning章节的，就是了

同问，请问你解决了嘛？ > 想问一下如何训练可以得到您给出的在voc上77mAP的权重？可以问一下训练策略吗？我在你的代码中注释了对预训练文件的引入，直接使用原始ResNet网络进行train.py文件中100epoch的训练，得到的训练效果很差？想问怎样可以训练出和您相同的voc的结果呢？

> 呃，主要是我试了你用pretrain=True也是这样30%的map

# Train   # Train one epochs    # Loss     # Dataloader    DataLoader 和 Loss基本按照你的方式写的。训练策略稍有改动，但我感觉Loss和data都一样的情况，应该没啥问题。

是呀，跟着你的讲解自己又重新加了一点。

> 找个我是在外面进行了permute，维度顺序是一致的，不然也没法计算。不过我想和你确认的是，你是基于resnet50 backbone的预训练权重，然后fine-tune就可以在VOC上达到77的MAP吗？那此时的val loss是多少呢？我也是采用resnet的backbone预训练权重，也没法达到这个77，而且val loss达到2.5的时候，就会反向上升（虽然我看了下原作者的repo说hm loss是正常的）。模型确实是学到东西了，直接测训练集Map是89，但验证集只有40多。很难受。。。