YOLOv4-pytorch
YOLOv4-pytorch copied to clipboard
argusswift
进行eval_voc的时候很慢，484张图片花费时间3466s
No description provided.
训练几个回合？最后损失值降到多少呢
训练了50轮，训练集大概有1万张图片，初始损失：loss_ciou:17.58,loss_conf:1840.29,loss_cls:11.34 结束损失loss_ciou:11.41,loss_conf:9.9,loss_cls:0.01
No description provided.
训练几个回合？最后损失值降到多少呢
训练了50轮，训练集大概有1万张图片，初始损失：loss_ciou:17.58,loss_conf:1840.29,loss_cls:11.34 结束损失loss_ciou:11.41,loss_conf:9.9,loss_cls:0.01
损失值有点大，感觉没有收敛。
这个版本的实现有很多没有优化的地方，比如batch evaluation, nms用的是手撸numpy版本，我自己fork了一个实现了多级多卡训练，同时支持nms GPU速度快很多，darknet53跑起来也不卡顿了
我这个没用gpu 好慢
No description provided.
训练几个回合？最后损失值降到多少呢
大佬，我能问问这个eval_voc这么慢需要怎么修改啊？我看了一下eval中model是在cuda上，输入img也在cuda上，所以这么慢是因为其他后处理部分？
No description provided.
训练几个回合？最后损失值降到多少呢
大佬，我能问问这个eval_voc这么慢需要怎么修改啊？我看了一下eval中model是在cuda上，输入img也在cuda上，所以这么慢是因为其他后处理部分？
Most of the time consumption is on nms and trans format.
No description provided.
训练几个回合？最后损失值降到多少呢
大佬，我能问问这个eval_voc这么慢需要怎么修改啊？我看了一下eval中model是在cuda上，输入img也在cuda上，所以这么慢是因为其他后处理部分？
Most of the time consumption is on nms and trans format.
那这个有可以改进能变快点的吗？
No description provided.
训练几个回合？最后损失值降到多少呢
大佬，我能问问这个eval_voc这么慢需要怎么修改啊？我看了一下eval中model是在cuda上，输入img也在cuda上，所以这么慢是因为其他后处理部分？
Most of the time consumption is on nms and trans format.
那这个有可以改进能变快点的吗？
torchvision got native nms function, which is faster than this. But the iou calc is only naive iou. If you want to use CIoU for nms then you should find another way. Transformat can be carried out using multiprocessing. You can figure out by yourself.
请问您的热力图图可视化中： if self.showatt: _, p_d, beta = self.model(img) 但是模型的返回值是2个怎么产生beta?
Similar to issue #122. @zhanghongsir
Eval process in train.py and eval_voc.py are different. No flipping and no multi scale by default. So would be much faster.
