Donaghys

能不能加个联系方式相互学习下啊？兄弟，我看这个项目这两天就是咱们活跃了~~~~我的vx18832031363

> 你们也是做识别吗，可不可以加个联系方式 共同学习~~~~欢迎

> @whwme > 这个是在瓶颈出现在读数据上面，可以改变一下读数据的方式，可以快1倍以上的速度，我16G内存，4G显示，Batch_size, 128，一个epoch大概 5000秒，看作者的，200张图像/s，我没有用prefecter技术之前大概是320张图像/s。用了之后750张/s。如果内存够大，你可以把batch_size 增大。 > >  > 修改lib/core/function.py > 整个文件都修改了。 > 代码如下： > ` > """ > 利用了prefetcher技术，连计算的同时也在读取数据 > 虽然现在GPU利用率比之前还低，但处理速度，比之前快了一倍 > 缺点：内存占用比之前多一倍 > """ > >...

 速度是快了不少，但是loss降不下去，平时最终在0.0005收敛，现在在0.6就收敛了，有好的解决办法吗？

> 这个不会影响模型的，这只是dataloader会快一点。你可以测试一下准确率看看效果。 感谢您的工作，同样使用作者提供的预训练模型finetune，如果我不使用prefecter，我的数据一个bs后就可以到2.多，只需要2-3个epoch就可以下降到很低，大约在0.005左右，验证集有90%以上的准确率，但是速度在500/s张左右，加入这个prefecter后，速度到了3100/s，但是这个损失就下降的很慢，现在已经30个epoch了，损失依然是0.6，曲线如刚才发的样子，我现在怀疑网络已经收敛了~，但是除了这个dataloader以外，我没有对代码做任何修改，我很困惑，希望得到您的指点~

> 这个不会影响模型的，这只是dataloader会快一点。你可以测试一下准确率看看效果。这个跟原来的没有什么区别，区别是是加了prefecter技术，读数据时候快点。应该不影响到loss还有准确率的。你可以对比一下两个模型的效果。 主要还是mode(inp),以前是cpu做预测，您这是gpu做预测~，两者会不会有差距呢？

刚开始也是这样子，后来就好很多了

> _No description provided._ 我也想知道，为什么要使用cpu，如果改成mode(inp)的话非常影响网络最终的训练结果~我这边，前期loss能差两个数量级

> 代码里面在把数据传入LSTM网络的时候把batch_size变换到了第1维（0开始），DataParallel默认按照第0维进行拆分和拼接。 > > 所以第一种方法可以临时修改DataParallel中gather函数传入的参数dim改成1，即可解决，但是跑别的代码要记得改回来。 > > 另一种方法可以将模型的最后输出batch_size改到第0维，这样并行就会按照batch_size拼接，然后再变换到第1维。（从代码中看的话传入CTC损失函数的batch_size是第1维） 请问有没有试过预测的时候改成GPU训练？

> > tf.app.flags.DEFINE_boolean('restore', True, '') > > set the 'True' to 'False',and you can run > > Thanks,this solve my problem，thanks again An error appears after running AttributeError: Can't pickle...