你好，我用voc2007和voc2012分别训练，得到的训练mAP的数值与作者提供的相差太大，请问原因出现在哪，谢谢

博主您好！
您的SSD实现代码非常棒，想通过您的代码，作为我入门目标检测的必备资料。关于您的SSD代码，有两个参数不理解其作用，希望能占用您一点时间，替我解答一下。
_C.MODEL.ANCHORS.CENTER_VARIANCE = 0.1 # 解码
_C.MODEL.ANCHORS.SIZE_VARIANCE = 0.2 # 解码
我不明白这两个参数的意义何在？这个问题困扰了我很久。
另外，关于下面这两个参数：
_C.MODEL.INPUT.PIXEL_MEAN = [0, 0, 0] #数据集均值
_C.MODEL.INPUT.PIXEL_STD = [1, 1, 1] # 数据集方差
如果我没猜错的话，应该是对整个数据集求其均值与方差。
期待您的回复！
祝您身体健康，工作顺利！

我在测试训练时，发现gpu利用率特别低，似乎没有用到gpu,只用了显存

博主
您好！
看了您的代码，对代码或者说论文中的hard_negative_mining，这一部分非常不解。我们首先对loss进行了降序排序，然后对排序后返回的索引进行升序排序，然后得到neg_mask = orders<num_neg, 利用pos_mask | neg_mask 就能得到3:1的负正样本。为什么这里要先降序后对索引升序，升序后的结果代表的是什么意思？
另外，在计算计算损失时，是只用这3:1的负正样本参与计算吗？

尊敬的开发者：
您好
在将您的代码下载下来，环境配置正确之后，在run train_demo.py时，出现‘AssertionError: Invalid device id’这样的错误，请问我应该如何设置呢？这个错误是由于我的GUP设置不对吗？希望您能给我一点介意，刚入门深度学习，谢谢您！
祝好！

torch1.9+已经将int_classes从_six删去。

解决方法

将

from torch._six import int_classes as _int_classes

修改为

# from torch._six import int_classes as _int_classes

_int_classes = int

ImportError: cannot import name 'int_classes' from 'torch._six' (E:\ppython\anaconda\envs\pytorch\lib\site-packages\torch_six.py)

你好，我用voc2007和voc2012数据进行训练都达不到你提供模型的mAP，请问问题出现在哪里了，谢谢

尊敬的开发者：
您好！
看了你的代码，收益很多，但是其中有一些不明白的地方一直困扰着我，在您的代码中（Boxs_op.py文件）有这样一个方法：center_form_to_corner_form(locations),根据您的注释‘[x, y, w, h] to [xmin, ymin, xmax, ymax]’，在这里我有个不明白的地方，第一：为什么要做这一步操作呢？第二：在做这一步时，你的具体算法根据我的理解是：[x,y] -[w,h] /2 为xmin和ymin，[x,y]+[w,h]/2为xmax，ymax，为什么不直接是[x,y]即为xmin,ymin,[x,y]+[w,h]为xmax,ymax?您的做法最终会导致出现xy负数，因此您还要做clamp_(max=1,min=0)这个操作，而如果像后者那样的话就不需要做这一步？此外，您在后面还做了一步逆向操作，为什么呢？这一部分我非常的困惑，希望耽搁您一点宝贵的时间，解开我的疑惑。我正在入门深度学习目标检测这一块，很多知识面都是空缺，所以希望依靠您的代码，一点一点的把空缺填补起来，谢谢您！
祝好！

您好 请问我单独取出VOC的两个类别训练，训练集上eval之后能99% 总的loss值减少到了1左右
但是到验证集上eval只有30多。训练80000次左右，感觉像过拟合，但是我看了中途训练出的模型，验证集上eval的值一直都很低，这样模型泛化能力怎么这么差emm

请问大神，报错“ No such file or directory: '/home/XXX/VOCdevkit/VOC2007\ImageSets\Main\train.txt'”，是因为需要制作自己的数据集再换成自己的路径吗？现在网络上是否有现成的数据集呢？