robinjoe93

> 如图，输出的检测结果中confidence非常低。 > 但是下图中用该.ckpt文件转换成的pb进行image_demo测试时，没问题。 > > 说明:evaluate.py中self.trainable设置为False时会出现上述问题，设置成True时则可以输出正常的confidence，但是和pb文件检测出来的结果也有比较大的差异，不够这也是正常的毕竟为True的时候表示正在训练。 > 看其他人问的问题有人说是欠拟合，我感觉不是。我把yolo改成20层，数据集用VOC中的person类，而且训练的loss已经在很多个epoch内应为训练次数没有下降。而且既然欠拟合，为什么pb测试出来的效果还可以接受呢？ 我也出现了和您一样的问题，不过我self.trainable设置成什么都不能出现正常的confidence。。

output_node_names = ["input/input_data", "conv_sbbox/Conv2D", "conv_mbbox/Conv2D", "conv_lbbox/Conv2D"]

> 我想问下 怎么样输出测试的结果坐标之类的 保存在txt里面啊 evaluate.py会生成，文件在data/predict文件夹里

> 选用的learning rate合适吗？改变learning rate效果有改变吗？ @Jaren1907 @MingKeYue 没见哪里可以设置learning rate的额

> > > 选用的learning rate合适吗？改变learning rate效果有改变吗？ @Jaren1907 @MingKeYue > > > > > > 没见哪里可以设置learning rate的额 > > 在train.py里有optimizer，它是有默认参数的，只不过没有写。 > > ``` > optimizer = tf.keras.optimizers.RMSprop() > ``` > >...

How to solve this problem?

借楼问一下， @navy63 请问您在分布式训练的时候，loss的值时怎么处理的？是将所有gpu的loss值取平均吗？ 我目前训练的时候loss值一直降不下去，怀疑是该处改出了问题。如果可以分享一下这部分代码真是不胜感激。

> 1. text_encoder_type='resources/bert-base-uncased' 大哥，贼吊