caomao1111

统计的BiseNetV2

import paddle from paddleseg.models.bisenet import BiSeNetV2 net=BiSeNetV2 input_sizer=[1,3,512,512] paddle.flops(net, input_size=input_sizer, print_detail=True) 用这个统计paddleclas分类模式是没有出错的

默认GhostNet_x0_5与GhostNet_x1_0的训练设置是一样的，这个需要改吗

训练的GhostNet_x0_5,在训练集上的acc为57%，再验证集上推理得到的acc为60.%。使用ImageNet数据集，在train的时候没有进行验证，因为要在验证集上推理

是按照文档进行训练的，但我需要在ImageNet的验证集上评价模型（测试集是没有label的），也就是把验证集当做测试集，所以在训练时无法进行验证调整模型，原论文也是这么做的，你们是把训练集分割成训练和测试两个来进行train吗？

是的，数据集和训练方式是没问题的，那是训练的epoch次数不够吗，我看log中间会有一段时间Loss下降的非常慢，不知道为什么

我发现唯一不一样的是我训练时漏掉了这句o Arch.pretrained=False，请问默认是使用预训练模型吗，log我通过邮件发给您

> 想确认下你的配置，比如卡数，以及当前的batch-size和学习率分别是多少呢？ 单卡，学习率0.8，batch_size为512，都按文档没变

GhostNet_x0_5的训练log 原始邮件 发件人："Wei Shengyu"< ***@***.*** &gt;; 发件时间：2021/12/10 15:35 收件人："PaddlePaddle/PaddleClas"< ***@***.*** &gt;; 抄送人："草帽"< ***@***.*** &gt;;"Author"< ***@***.*** &gt;; 主题：Re: [PaddlePaddle/PaddleClas] 为什么我使用ImageNet1k的train进行训练，在val上只能得到60.1%的ACC,按照论文和所给的预训练模型应该可以到66.8%的 (Issue #1535) 是的，数据集和训练方式是没问题的，那是训练的epoch次数不够吗，我看log中间会有一段时间Loss下降的非常慢，不知道为什么 如果你没有修改训练参数，并且按照正常的方式设定训练集和验证集，可以分享一下你的log，我们看一下 &amp;mdash; You are receiving this because you...

> > 我发现唯一不一样的是我训练时漏掉了这句o Arch.pretrained=False，请问默认是使用预训练模型吗，log我通过邮件发给您 > > > > 想确认下你的配置，比如卡数，以及当前的batch-size和学习率分别是多少呢？ > > > > > > 单卡，学习率0.8，batch_size为512，都按文档没变 > > 应该是卡数的问题，默认训练是4卡的。可能是我们的文档在这块强调的还不够清楚，后续版本会添加一个warning提醒用户。 我只有一块卡的话是无法训练出和文档一样的效果吗？可以的话应该怎样改训练时的参数