PengPeng-JunJun

预训练模型是用的416*416的图像来抽取图像特征的，不过也有可能是你说的这个原因。你的数据集大小是多少呢？ 我之前也遇到过类似你这样的问题，是优化器的选择。如果数据量不大，用sgd很难收敛，我300个E都没有收敛，改成adma后，80个E左右，MAP就有0.8了

建议从头到尾仔细看一下UP主写的注释，很详细，会让使用者避坑

我看了一下，好像只有yolo4分了voc和coco的主干提取网络的pth，其他的YOLO版本没有区分。相同的数据集，用yolo8的效果很好，但是用yolo4的时候，误用coco的预训练pth放在了voc数据集上，200个e还是没有收敛。请问这个是什么原因呢？

你好，问题找到了，不是操作的问题，是因为数据集不大，只有1000个样本，优化器选SGD，改成adma就很快收敛了

也是再issuse中大海捞针找到了您和另一位师兄的讨论，才想到的

之前训练过一个enet的模型，模型文件的大小大概是1M多一些。请问你有用过基于pytorch框架的比较小的模型做语义分割么？

还有一个问题请教，之前有用你的yolo4做目标检测，模型文件好像也是200M，还没有转ONNX测试，请问这个的FPS大概是多少呢？在cpu上推理预测，cpu是i7-7700

可以分享一份用OPENCV来实现推理预测的代码么？当前的代码都是用PIL来加载图像的

up主，还想请教一下，代码中有将pth文件转换成ONNX的功能，请问你有用过ONNX来进行过推理预测么？是用的OPENCV的DNN模块或是ONNXRuntime还是NCNN这一类的推理加速引擎呢？

你的数据集有多大？