Comments (82)
我将数据集划分为8:2 ,无法在yolov3上复习76.4的map,我怀疑是数据集划分的问题,能否提供一下数据集划分的标签文件
您好,请教个问题,您的PENet网络的权重是自己训练的吗?
from pe-yolo.
我将数据集划分为8:2 ,无法在yolov3上复习76.4的map,我怀疑是数据集划分的问题,能否提供一下数据集划分的标签文件
您好,请教个问题,您的PENet网络的权重是自己训练的吗?
是的
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面
直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
from pe-yolo.
能请教一下您是如何训练的吗?是单独先训练PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
The size of tensor a (256) must match the size of tensor b (259) at non-singleton dimension z
按照这个改完会报错呀
from pe-yolo.
能请教一下您是如何训练的吗?是单独先训练PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
The size of tensor a (256) must match the size of tensor b (259) at non-singleton dimension z 按照这个改完会报错呀
你好,你这个解决了吗?我也有类似问题
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
去掉DPM训练速度大幅度提升的话,那我估计多半是里面很多cv的操作在cpu上进行的,反复读取这部分数据占的时间比较多。我也没在这个任务上做检测,用的自己的数据集,可能无法跟你交流复现论文结果的问题啦。
from pe-yolo.
你们没报错吗,加进去后
The size of tensor a (256) must match the size of tensor b (259) at non-singleton dimension z 按照这个改完会报错呀
from pe-yolo.
你们没报错吗,加进去后 The size of tensor a (256) must match the size of tensor b (259) at non-singleton dimension z 按照这个改完会报错呀
你打印下gauss_kernel看是不是5,可能是padding的时候张量大小出问题了。
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
from pe-yolo.
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
请问你的训练速度正常吗,如果mAP下降,你可以尝试一开始就降低学习率。我用较低的学习率训练后的结果并没有原来的v8精度高,希望保持交流
from pe-yolo.
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
请问你的训练速度正常吗,如果mAP下降,你可以尝试一开始就降低学习率。我用较低的学习率训练后的结果并没有原来的v8精度高,希望保持交流
训练速度很慢,我用的3060大概15分钟才一个epoch,我前20个epoch也是比原先的低
from pe-yolo.
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
请问你的训练速度正常吗,如果mAP下降,你可以尝试一开始就降低学习率。我用较低的学习率训练后的结果并没有原来的v8精度高,希望保持交流
请问能提供PENet放到yolov3上的源码吗
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?
有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
我用mmdetecion直接将IAT-YOLO这篇文章里面的预处理网络换成penet(因为作者的源码就是在这篇文章上改的),复现到了75.1的mAP,但是依然没有作者给出的78那么高,目前还不确定是不是penet的作用导致的涨点,后续可能直接在yolov3上加penet看看结果如何
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
我用mmdetecion直接将IAT-YOLO这篇文章里面的预处理网络换成penet(因为作者的源码就是在这篇文章上改的),复现到了75.1的mAP,但是依然没有作者给出的78那么高,目前还不确定是不是penet的作用导致的涨点,后续可能直接在yolov3上加penet看看结果如何
我用mmdetection中的yolov3直接训练,没有达到74.6的map.目前也不知道有什么问题。你也可以试试直接用v3训练,后续可以交流一下
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
我用mmdetecion直接将IAT-YOLO这篇文章里面的预处理网络换成penet(因为作者的源码就是在这篇文章上改的),复现到了75.1的mAP,但是依然没有作者给出的78那么高,目前还不确定是不是penet的作用导致的涨点,后续可能直接在yolov3上加penet看看结果如何
我用mmdetection中的yolov3直接训练,没有达到74.6的map.目前也不知道有什么问题。你也可以试试直接用v3训练,后续可以交流一下
我直接用mmdetecion的yolov3同样没有达到74.6的mAP,而且差的不少。
from pe-yolo.
你们没报错吗,加进去后
The size of tensor a (256) must match the size of tensor b (259) at non-singleton dimension 3
我直接加进去就报错,不知道怎么改
from pe-yolo.
真加不进去有好兄弟救一救吗
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
我用mmdetecion直接将IAT-YOLO这篇文章里面的预处理网络换成penet(因为作者的源码就是在这篇文章上改的),复现到了75.1的mAP,但是依然没有作者给出的78那么高,目前还不确定是不是penet的作用导致的涨点,后续可能直接在yolov3上加penet看看结果如何
我用mmdetection中的yolov3直接训练,没有达到74.6的map.目前也不知道有什么问题。你也可以试试直接用v3训练,后续可以交流一下
请问如何使用您说的mmdetection进行训练,可以向您请教吗,十分感谢
from pe-yolo.
真的加不进去,有好兄弟捞一把吗
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
我用的是v8 https://github.com/ultralytics/ultralytics
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
我修改了以下地方:
1、在nn中添加PENet.py
2、在task.py中添加PENet相关代码
3、修改配置文件
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
跑原始代码就有问题
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
跑原始代码就有问题
用 CLI 命令,如yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640 指定 device=0也找不到吗?可以确认下cuda安装是否正常,torch.cuda.is_available()是否为True.
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
跑原始代码就有问题
用 CLI 命令,如yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640 指定 device=0也找不到吗?可以确认下cuda安装是否正常,torch.cuda.is_available()是否为True.
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
跑原始代码就有问题
用 CLI 命令,如yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640 指定 device=0也找不到吗?可以确认下cuda安装是否正常,torch.cuda.is_available()是否为True.
可以看看这个链接 https://blog.csdn.net/qq_46126258/article/details/112708781
from pe-yolo.
个人感觉PENet当个想法来思考就行了,真正训练的话速度很慢,我和yolov7结合,用的4090训练了300轮,大概要50-60hours,其中的原因应该是PENet涉及的cpu操作过多。
from pe-yolo.
个人感觉PENet当个想法来思考就行了,真正训练的话速度很慢,我和yolov7结合,用的4090训练了300轮,大概要50-60hours,其中的原因应该是PENet涉及的cpu操作过多。
能请教一下,加入过后出现的input type和weight type不一样的错误
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
跑原始代码就有问题
用 CLI 命令,如yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640 指定 device=0也找不到吗?可以确认下cuda安装是否正常,torch.cuda.is_available()是否为True.
可以看看这个链接 https://blog.csdn.net/qq_46126258/article/details/112708781
好嘞,感谢
from pe-yolo.
个人感觉PENet当个想法来思考就行了,真正训练的话速度很慢,我和yolov7结合,用的4090训练了300轮,大概要50-60hours,其中的原因应该是PENet涉及的cpu操作过多。
能请教一下,加入过后出现的input type和weight type不一样的错误
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
好的,感谢(抱拳),我v8都没跑通,老是检测不到我的cuda,只能cpu训练
检测不到cuda的问题,是跑v8原始代码就有问题吗?还是加了PENet后才出现的问题?
跑原始代码就有问题
用 CLI 命令,如yolo detect train data=coco128.yaml model=yolov8n.yaml epochs=100 imgsz=640 指定 device=0也找不到吗?可以确认下cuda安装是否正常,torch.cuda.is_available()是否为True.
可以看看这个链接 https://blog.csdn.net/qq_46126258/article/details/112708781
好嘞,感谢
我认为这个错误是因为PENet里存在循环操作,在使用sobel算子的时候,一直在cpu和gpu上不停的跳,把那一部分移到cpu上就可解决。
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
大佬,求助,我按照你的改好了,有出显不匹配问题,大佬能提供一份源码吗,,或者如何继续改?谢谢大佬
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
我用mmdetecion直接将IAT-YOLO这篇文章里面的预处理网络换成penet(因为作者的源码就是在这篇文章上改的),复现到了75.1的mAP,但是依然没有作者给出的78那么高,目前还不确定是不是penet的作用导致的涨点,后续可能直接在yolov3上加penet看看结果如何
你好,是哪一篇文章呀,或者能给个源码的链接吗
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
代码修改放在这个链接里了,可以对比源码看看改动:https://blog.csdn.net/optimization_fish/article/details/133859930?spm=1001.2014.3001.5502
from pe-yolo.
个人感觉PENet当个想法来思考就行了,真正训练的话速度很慢,我和yolov7结合,用的4090训练了300轮,大概要50-60hours,其中的原因应该是PENet涉及的cpu操作过多。
大佬,能请教一下与yolov7结合都修改了哪些地方吗
from pe-yolo.
能请教一下您是如何训练的吗?是单独先训练PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
The size of tensor a (256) must match the size of tensor b (259) at non-singleton dimension z 按照这个改完会报错呀
你好,你这个解决了吗?我也有类似问题
你好,请问你这个问题解决了吗,我也出现了
from pe-yolo.
个人感觉PENet当个想法来思考就行了,真正训练的话速度很慢,我和yolov7结合,用的4090训练了300轮,大概要50-60hours,其中的原因应该是PENet涉及的cpu操作过多。
大佬,能请教一下与yolov7结合都修改了哪些地方吗
具体忘了,你遇到报错可以贴出来,我看看有没有遇到过
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
您好,想请问下在v8上train完一个epoch后,进行val的时候是否有遇到由于开启混合精度导致的输入和权重数据类型不匹配的问题?有数据类型不匹配的问题,我在v8, v5,v3上都没有明显长点
那请问你是逐条改的吗?还是val时关闭了混合精度?
你好,我也出现了input type和weight type不一样的错误,请问你解决了吗
混合精度训练时,将val里的半精度验证强制设为false就可以了
在哪里设置呀
你好,请问是直接将模块加进去吗?? 我使用v8没跑通,谢谢
请问你这个不匹配问题解决了吗,可以提供下方法吗?谢谢!
from pe-yolo.
训练时间太慢该如何解决啊
from pe-yolo.
我将数据集划分为8:2 ,无法在yolov3上复习76.4的map,我怀疑是数据集划分的问题,能否提供一下数据集划分的标签文件
请问你们有使用预训练的模型吗
from pe-yolo.
我将数据集划分为8:2 ,无法在yolov3上复习76.4的map,我怀疑是数据集划分的问题,能否提供一下数据集划分的标签文件
请问你是直接在数据集上训练的还是使用了预训练模型啊
from pe-yolo.
训练时间太慢该如何解决啊
请问你解决这个问题了吗
from pe-yolo.
我用论文中的数据集,利用ultralytics中的yolov3没有复现map74.6,因此没有将PENet加到yolov3上进行复现。
请问你是使用论文里的mmdetection去尝试复现的吗,论文当中用了许多的数据增强,应该是mmdetection中的数据增强方法,使数据集扩充了几倍
我用的ultralytics,或许使用mmdetection有效
我用mmdetecion直接将IAT-YOLO这篇文章里面的预处理网络换成penet(因为作者的源码就是在这篇文章上改的),复现到了75.1的mAP,但是依然没有作者给出的78那么高,目前还不确定是不是penet的作用导致的涨点,后续可能直接在yolov3上加penet看看结果如何
MMDetetion里面有IAT-YOLO吗,
from pe-yolo.
没有人发现训练很慢其实是因为低通模块吗
from pe-yolo.
没有人发现训练很慢其实是因为低通模块吗
请问您找到解决办法了吗,我也发现去掉低通模块就能快,但是不知道为什么
from pe-yolo.
from pe-yolo.
可能是因为上采样操作,经过池化后的图像很小,原图分辨率越大上采样的开销就越大, 发自我的iPhone
…
------------------ 原始邮件 ------------------ 发件人: yanbaozhanshen @.> 发送时间: 2024年4月23日 00:20 收件人: XiangchenYin/PE-YOLO @.> 抄送: wuyuyuyuaaa @.>, Comment @.> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7) 没有人发现训练很慢其实是因为低通模块吗 请问您找到解决办法了吗,我也发现去掉低通模块就能快,但是不知道为什么 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>
感谢解答!这样的话我打算试试把(1,2,3,6)那四个池化后的大小改大试试
from pe-yolo.
可能是因为上采样操作,经过池化后的图像很小,原图分辨率越大上采样的开销就越大, 发自我的iPhone
…
------------------ 原始邮件 ------------------ 发件人: yanbaozhanshen @.> 发送时间: 2024年4月23日 00:20 收件人: XiangchenYin/PE-YOLO _@**._> 抄送: wuyuyuyuaaa _@.>, Comment @._> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7) 没有人发现训练很慢其实是因为低通模块吗 请问您找到解决办法了吗,我也发现去掉低通模块就能快,但是不知道为什么 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: _@_.*>感谢解答!这样的话我打算试试把(1,2,3,6)那四个池化后的大小改大试试
请你你修改后有效果吗
from pe-yolo.
from pe-yolo.
换成固
十六分之一三十二分之一之类是什么意思,可以详细说下吗
from pe-yolo.
from pe-yolo.
就是输入特征图的三十二分之一尺度 发自我的iPhone
…
------------------ 原始邮件 ------------------ 发件人: Felix @.> 发送时间: 2024年5月6日 16:12 收件人: XiangchenYin/PE-YOLO @.> 抄送: wuyuyuyuaaa @.>, Comment @.> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7) 换成固 十六分之一三十二分之一之类是什么意思,可以详细说下吗 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>
请问,为什么我加入到YOLOv8后,mAP50是0.00几
from pe-yolo.
from pe-yolo.
你训练了多少 发自我的iPhone
…
------------------ 原始邮件 ------------------ 发件人: Felix @.> 发送时间: 2024年5月8日 21:22 收件人: XiangchenYin/PE-YOLO @.> 抄送: wuyuyuyuaaa @.>, Comment @.> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7)
from pe-yolo.
from pe-yolo.
可能是改动有问题。 发自我的iPhone
…
------------------ 原始邮件 ------------------ 发件人: Felix @.> 发送时间: 2024年5月8日 21:25 收件人: XiangchenYin/PE-YOLO @.> 抄送: wuyuyuyuaaa @.>, Comment @.> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7)
请问你训练1个epoch的精度是多少呢
from pe-yolo.
from pe-yolo.
我没直接用,套在别的模型上了,换成固定的十六分之一三十二分之一之类的尺度也是有效果的 发自我的iPhone
…
------------------ 原始邮件 ------------------ 发件人: Felix @.> 发送时间: 2024年5月6日 16:02 收件人: XiangchenYin/PE-YOLO @.> 抄送: wuyuyuyuaaa @.>, Comment @.> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7) 可能是因为上采样操作,经过池化后的图像很小,原图分辨率越大上采样的开销就越大, 发自我的iPhone … ------------------ 原始邮件 ------------------ 发件人: yanbaozhanshen @.> 发送时间: 2024年4月23日 00:20 收件人: XiangchenYin/PE-YOLO @**.> 抄送: wuyuyuyuaaa @.>, Comment @._> 主题: Re: [XiangchenYin/PE-YOLO] 数据集划分问题 (Issue #7) 没有人发现训练很慢其实是因为低通模块吗 请问您找到解决办法了吗,我也发现去掉低通模块就能快,但是不知道为什么 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.> 感谢解答!这样的话我打算试试把(1,2,3,6)那四个池化后的大小改大试试 请你你修改后有效果吗 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.*>
请问,怎么确定PE-YOLO中的金字塔增强网络是有效的
from pe-yolo.
from pe-yolo.
from pe-yolo.
from pe-yolo.
from pe-yolo.
from pe-yolo.
能请教一下您是如何训练的吗?是单独先train PENet部分还是怎样呢?如果方便可以邮箱交流下,[email protected]
在ultralytics开源工具里面 直接修改YOLO系列的yaml网络配置文件,很容易将PENet加入网络,然后一起训练就行
我也是这么改的,但是训练速度非常慢,是正常的吗?是不是sobel和高斯核那反复进行cpu操作造成的呢
我也发现这个问题了,其中主要原因是DPM模块,去掉DPM后训练速度会大幅度提升。具体到DPM内部是什么原因造成,我还不太清除。而且按照论文给的训练策略,我至今没有完全复现论文中结果。希望可以交流一下!
我用这个在v8上到20多个epoch后mAP就大幅下降了,也不知道啥原因
能交流一下吗
from pe-yolo.
from pe-yolo.
Related Issues (14)
- when? HOT 1
- DPM和LEF两个模块 HOT 1
- 不涨点反而降点
- 导入的问题 HOT 1
- 代码开发
- 代码中存在的几个问题
- DataSet HOT 1
- CUDA out of memory HOT 2
- PENet.py文件中的小bug HOT 1
- The visualization problem of image enhancement module
- Can you provide weight file
- 输入数据类型与权重类型不同 HOT 5
- PENet中的bug HOT 7
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from pe-yolo.