xuehao.ma

On some GPUs (such as NVIDIA PASCAL: 1080ti, 1070...), Darknet Group convolution is not well supported, which will cause the problem of low training inference efficiency, but it will not...

只有更新cudnn，没有彼得办法，你cudnn版本太老的啊，这个模型轻量化全依靠这深度可分离卷积，你不能去掉groups，去掉的就成普通卷积了

Because the backbone of the network is layer 109

https://github.com/AlexeyAB/darknet

Problem with dataset format? You can send me the content of your label .txt

pytorch version?

可以参考model/backbone/shufflenetv2.py 代码，代码里面是默认加载预训练模型的

模型结构的问题，这种Depthwise conv的模型结构本身计算密度很低，是适合在CPU端推理的。 如果在GPU的运行的话容易陷入带宽瓶颈，效率不会太高

1.类别的起始下标为0不是1，例如单类的话类别下标都为0，多类的话0为起始，例如20类，则.txt中的类别下标为0,1,2,3,...19 2.是的，classes为类别数目 3.训练单类模型cls loss为0是正常的

这种情况加数据，假如本身训练数据集没有此类样本或占比少，肯定模型效果不会太好，该结构也没太大作用，没有加数据来的实在