李光洋
> 两个train都是嘛 对的 网上查了一些资料说是tf动态增加节点了
> 你的也是2.2吗 tf2.4.0
> 也许可以试试2.2 > pip装一下可能可以 0 0 好的
> emm这个@tf.function会提高速度。你有比较过吗，差距很大 可是如果不采用此方法，无法完成训练，有别的解决方式吗？
> 取消使用@tf.function装饰器 经测试 在ssd.py的get_pred函数中 该装饰器会引起内存溢出 注释即可 不会十分影响效率 可能与 [issue#6](https://github.com/bubbliiiing/ssd-tf2/issues/6) 有关 train_eager.py中未测试 故不进行commit 可以注释进行测试 我注释完运行，发现内存的占用仍然在不断的上升