ziyaxuanyi

这个模型训练出来，有多大啊

> > 这个模型训练出来，有多大啊 > > 103M 请问您也在做数学公式识别吗？有没有什么好的方案或者开源工程推荐呢？

for viterbi_search, I can get the right result by using this code: seq, path = viterbi_search(posteriors, alphabet) scores = [posteriors[path[i]][dict[seq[i]]] for i in range(len(path))] where dict can convert text-label into...

> 我说怎么V3版本的CRNN精度不如V2版本的，原来是head这里默认去掉了中间全连接层啊！！！ 我训练也是V3版本不如V2，但也不一定是这个问题，V3版本我调整一些参数是基本能训练到精度和V2差不多的。 V3版本整个模型的输出是比V2版本的输出特征维度少一半的，也可能是这个原因，我正在做实验验证

> v3的核心点是svtr，由于neck部分使用了svtr结构，导致模型有所增大，为了保证整体模型不太大，所以去掉了mid_channels，你也可以试一下加上的效果 注意到相同的图片尺寸输入，V3版本是比V2版本要少一半特征，比如 32x96 尺度，V2版本最终输出结果是 （24x字典字符个数），而V3版本最终输出是（12x字典字符个数）。这是因为网络主干的backbone中加了参数 last_conv_stride:[1,2] 造成的吗？我看V2版本使用了默认的last_conv_stride:1 这样做也是为了保证模型不太大吗，感觉精度会有一定程度损失，最起码我输出的ctc解码定位的单个字符位置精度是不如V2版本的。

> > > v3的核心点是svtr，由于neck部分使用了svtr结构，导致模型有所增大，为了保证整体模型不太大，所以去掉了mid_channels，你也可以试一下加上的效果 > > > > > > 注意到相同的图片尺寸输入，V3版本是比V2版本要少一半特征，比如 32x96 尺度，V2版本最终输出结果是 （24x字典字符个数），而V3版本最终输出是（12x字典字符个数）。这是因为网络主干的backbone中加了参数 last_conv_stride:[1,2] 造成的吗？我看V2版本使用了默认的last_conv_stride:1 > > 这样做也是为了保证模型不太大吗，感觉精度会有一定程度损失，最起码我输出的ctc解码定位的单个字符位置精度是不如V2版本的。 > > 是的，都是为了保证模型不太大，如果对模型大小没要求，也可以修改这些参数试试效果 那V2版本在backbone网络之后使用的是默认maxpool最大池化，而V3版本在backbone之后则改为使用avgpool平均池化，这么做的理由是什么？两种池化策略有什么区别或者优劣吗？

哦，我看错，那FAQ对代码的解释是对的。 我想实现的功能是这样的，在训练的每个iter也就是一次前向反向传播用到的batch_size的数据，按照比例从不同的数据源采样而来。 比如说batch_size是256，有两个数据源，ratio_list为0.1:0.9，那一个iter迭代中的batch_size256的数据中有10%采样来自于数据源1，而90%采样来自于数据源2。 这种需求主要是这种场景，比方说我之前用的总数据量有2千万来训练模型，后来发现模型对某一个场景类型数据识别不好，就增加了一些这种场景数据比如50万，这样我可以把新增加的数据加到原本的2千万总数据当中，但这样效果不是很明显，因为相对于总数据量来说新增数据比较少，也可以采用微调，但会影响原来对其他数据的识别效果，模型训练会遗忘见过次数很少的数据。 而采用我说的方法，这样在一个iter的迭代训练中，能够保证模型学习覆盖到每个数据源，这样对于要针对性优化识别不好场景，效果会不会好点。 官方能实现这种功能，或者怎么修改代码吗？

好的，谢谢回答

debug了一下，应当这样改： neck部分应该修改成这样： Architecture: model_type: rec algorithm: SVTR Transform: Backbone: name: MobileNetV1Enhance scale: 0.5 last_conv_stride: [1, 2] last_pool_type: avg Neck: name: SequenceEncoder encoder_type: svtr dims: 64 depth: 2 hidden_dims: 120 use_guide:...

> @ziyaxuanyi 请问题主去掉GTC重新训练后，效果超过V2了嘛？ 去掉GTC后，精度会提升到和V2差不多水平，但还是稍稍不如V2