xillee

I try fp16, 0nly 7% of GPU is utilized. In the case, how to improve the performance?

补充验证集上测试结果，以下为推理过程中的， [2024/07/30 13:14:25] ppcls INFO: [Eval][Epoch 1][Iter: 0/195]CELoss: 0.52470, loss: 0.52470, top1: 0.87500, batch_cost: 0.29910s, reader_cost: 0.26422, ips: 53.49302 images/sec [2024/07/30 13:14:28] ppcls INFO: [Eval][Epoch 1][Iter: 10/195]CELoss: 0.41228, loss: 0.41228,...

日志如附件： [eval.log](https://github.com/user-attachments/files/16427795/eval.log) [train.log](https://github.com/user-attachments/files/16427830/train.log)

用resnet18geng更新后的结果 [train.log](https://github.com/user-attachments/files/16435195/train.log) [eval.log](https://github.com/user-attachments/files/16435197/eval.log)

只训练了1个epoch的，用了resnet50，麻烦再给看下原因 python tools/train.py -c D:\lixiaolin\PaddleClas-release-2.5\ppcls\configs\ImageNet\ResNet\ResNet50.yaml [train.log](https://github.com/user-attachments/files/16440085/train.log) python tools/eval.py -c D:\lixiaolin\PaddleClas-release-2.5\ppcls\configs\ImageNet\ResNet\ResNet50.yaml -o ARCHITECTURE.name="ResNet50" -o pretrained_model=D:\lixiaolin\PaddleClas-release-2.5\output\ResNet50\best.pdparams [eval.log](https://github.com/user-attachments/files/16440086/eval.log)

[result.txt](https://github.com/user-attachments/files/16440333/result.txt) 我还对训练数据集进行了推理，统计结果中，错误的262个，正确的5862个，对应的分类准确率95.72%，跟eval的结果差别很大。 总结一下：训练集给的结果是0.78557，验证集在训练过程中的评估结果是0.96635，直接进行评估结果是0.48237，直接推训练集和验证集的结果是0.9572.训练集和验证集数据8:2分割。请帮忙解释一下数据的原因

还有一个问题，这个平均值是怎么算出来了，感觉怎么都不到0.98211 [2024/07/31 20:24:32] ppcls INFO: [Train][Epoch 24/120][Iter: 0/304]lr(PiecewiseDecay): 0.00100000, top1: 1.00000, CELoss: 0.01757, loss: 0.01757, batch_cost: 0.61280s, reader_cost: 0.12493, ips: 26.10981 samples/s, eta: 5:01:10 [2024/07/31 20:24:38] ppcls INFO: [Train][Epoch 24/120][Iter:...

那这个Avg就没有意义了

> 在eval的时候没有加载训练好的权重 我的使用有问题吗？为什么没有加载权重？

那我们选最佳模型的依据应该是什么？