模型稳定性问题

[Q-amazing]

老师您好： 我在复现你的代码的过程中，遇到一个问题：在同一配置下，用两块GPU同时运行train.py训练模型并得到两个model，预测的mAP值最多可相差10%，分别为86%、96%。我尝试下面几种方法进行实验，但是同一配置多次训练，mAP结果还是非常不稳定：（1）DataLoader的shuffle设置为False；（2）实验权重初始化，设置固定种子，torch.manual_seed(4567)；（3）确保训练INPUT_SHAPE与预测的MODEL_IMAGE_SIZE参数保持一致；（4）dataloader.py取消随机增强的数据替换原始数据，random设置为False; （5）参数LR减小；（6）batch_size增加。在基于您的代码进行优化的时候，因为上述问题导致无法对比优化效果。 请问老师这种问题，该怎么处理？谢谢~

[bubbliiiing]

emm首先深度学习训练理论上一定要随机，所以shuffle别关 数据增强关闭会大幅度减少模型的鲁棒性，所以也不要关。 我的建议是，把仓库重下，然后只改与训练相关的参数，测试集和训练集划分好，重复进行两次