TianNing,Kong

> Anyone solved bbox and nms-gpu in win10？ yes it solved

> Anyone solved bbox and nms-gpu in win10？ yes it solved

模型在识别较短的文本行的时候loss的数量级在0.05左右，很准确，但是在识别较长的英文文本(20个字符以上)的时候，loss在0.6左右，有的时候甚至到了１．ｎ，且预测结果相对不准确，有错误字符，我的训练数据都是水平的一行文本图片，论文上说对ｒｅｇｕｌａｒ的文本图片表现也不错，但是我在英文数据集上得到了相对理想的结果，但是我在中文数据集(字符6000多，较多繁体字)上，ｌｏｓｓ在８左右震荡，始终不能降低，请问有什么模型调整的建议

训练数据集是用这个程序生成的，https://github.com/Belval/TextRecognitionDataGenerator； 如果您觉得不合适请建议一个更好的模拟数据的生成程序，此外，原程序的处理方法会把图片ｒｅｓｉｚｅ成(100,100) 对于字符数量较小的图片，ｒｅｓｉｅｚｅ后产生的字符像素点的扭曲，相对较小，如果是20个字符以上的图片(高度大约20几像素，长度超过100像素)，resize后会产生较多的扭曲，我直觉上认为直接ｒｅｓｉｚｅ成(100, 100)可能是不合适的，如果有什么好的修改能尽量减少像素信息的改变请提出，我会进全力去尝试

图片的预处理过程如何修改，　ＣＮＮ曾要如何修改？　我觉得模型应该很厉害，可是中文上不行

程序是正常运行的，能看见loss 运行几百个step后 然后就OOM了，说是一个矩阵乘法需要更多的内存，但是内存耗尽了。无论我吧cnn层提取的feature map修改的多么小 这个都会出