liukaigua
liukaigua
this is the command, and the weight is default "yolov4.weight". ``` python evaluate_on_coco.py -dir COCO_dataset/val2017 -gta COCO_dataset/instances_val2017.json -c cfg/yolov4.cfg -g 1 ``` I made slight changes on _evaluate_on_coco.py_, otherwise it...
11.19更新： 训练集：VOC07+12，测试集：VOC07-test， 使用SGDR学习率调整策略，初始学习率为0.01，学习率调整周期为100个epoches，总共训练610个epoches， 预训练模型：mb3-ssd-lite-Epoch-149-Loss-5.782852862012213.pth， batch_size：32， 能得到的最好的Loss是4.07，请问怎样进一步调整学习策略？ 原提问： 你好，当我使用您提供的PASCAL的预训练模型（mb3-ssd-lite-Epoch-149-Loss-5.782852862012213.pth）对几张图片进行检测时，每张图片都检测不到任何一个物体。 然后，我在上述检查点的基础上进行finetune，使用VOC2007+VOC2012数据集训练了100个epoch，batch_size=32，lr=0.0005+multistep([40,80,])，使用新训练的模型再次检测，部分图片能检测到物体，但是准确度还是比较低。 对此，我有两个问题想请教您： 1. 您在使用上述PASCAL模型进行检测时效果如何？是我操作不当还是模型本身专准确度就不高？ 2. 如果想进一步提高准确度，我需要如何训练？比如是否应该加大数据集或改进训练参数。
Hi, I notice that the ctdet_dlav0 model with int8 mode is reallly fast, so how do you transform fp32 to int8?Could you provide the model? Thanks.