學習率調整,我一般遵循先大後小,多次實驗
初始訓練收斂慢,但在收斂,學習率增大
初始訓練,map跳動,降低學習率
訓練一段時間後,不再收斂,先減國小習率繼續訓練,看效果,一般會很慢收斂的,不行再小幅度增大學習率(防止陷入局部最優)
bs 一般為32 16 64 ,多試
學習率的初始為0.0015 上下
iou 門檻值:可0.5-0.7适當調整
不建議修改網絡結構,比如(添加注意力,采用,增加,修改,删除其他block),時間算力充裕的例外
網絡裁剪适用與需要模型size小的項目,減通道可大幅減小模型大小,但推理速度變化不大,減層對模型推理加速明顯,如果模型較為複雜(檢測的種類多),建議采用trt,量化等其他優化方案