linklist2

> > > 对prune_model_keep_size2和update_activation的理解 > > > block: conv1-bn1-leaky1-conv2-bn2-leaky2 > > > 在prune_model_keep_size2中，依据bn层γ来选择哪些层被剪，小于阈值的层要被剪掉。 但被减去层的bias(β)还是会影响到结果，因此我们对BN1.weight筛选后还需要将被剪通道的bias转移至后续层计算，这样减少bias的影响 为什么说是减少呢？ 回顾BN层计算：w*x+b，这儿w即γ，bias即b w小于阈值的直接被置0，但在训练过程中w可能非常小，但也很微妙影响到输出。w趋向0，则对应层输出受bias控制。 > > > prune_model_keep_size2处理逻辑： > > > > > > 1. 将BN1中γ小于阈值的层权重置0 >...

@yjh0410 您好，很感谢您的耐心解答，您的猜测是正确的，新加的DilatedEncoder是随机初始化的并没有在COCO数据上训练过。 我还想再请教您，在1080Ti的机器上用COCO数据集训练这样的模型是可能实现的吗（指显存）？还有您能否分享一些调参的技巧呢？我是个在目标检测上的挣扎了好多个月的小白，换过很多结构，但大多是以掉点失败收尾，我想是不是可能会有超参的影响？

@yjh0410 再次感谢您的解答。确实有这种感受，尤其在yolov5的项目中，我前几个月的工作扑在了研究对yolov5的剪枝中，将各种剪枝算法嵌入到里面去后，总是很失望地发现mAP变为了0或者一个很低的数值，而且很久也微调不上去，和这些剪枝算法用在yolov3的中的表现差距特别明显。到了年底了，目标检测有点搞不动了。

@yjh0410 好的，非常感谢

@yjh0410 好的，谢谢。另外我还有个问题想请教您，YOLOF的源码中的最后classification、objectness、regression的卷积都是3×3大小，而您的实现代码中，这些都是1×1卷积，这会对结果造成影响吗？

@yjh0410 我也是因为在win10安装不好那个CVpods才寻找纯pytorch版本的代码的，另外有个问题想请教您，是否可以将这篇论文的Encoder和Decoder部分用于其他网络结构，例如YOLOV5，也会同样有很好的效果吗？

很感谢您的解答以及您的复现代码，我会尝试以上操作，等有了进展再来联系您。 ------------------ 原始邮件 ------------------ 发件人: "yjh0410/PyTorch_YOLOF" ***@***.***>; 发送时间: 2021年12月24日(星期五) 中午11:25 ***@***.***>; ***@***.******@***.***>; 主题: Re: [yjh0410/PyTorch_YOLOF] 请问如何训练自己的数据集？ (Issue #1) @linklist2 可以考虑使用mmdetection复现的YOLOF：https://github.com/open-mmlab/mmdetection/tree/master/configs/yolof YOLOF的Encoder是可以用在其他结构上的，比如我新实现的YOLOv2（https://github.com/yjh0410/PyTorch_YOLO-Family），其实就用了他的DilatedEncoder，性能很不错。至于他的Decoder结构，其实就没啥可借鉴了，标注的解耦头结构，在RetinaNet里就有了。 将DIlatedEncoder加入YOLOv5中能否有效果，可以参考我的YOLOv3（https://github.com/yjh0410/PyTorch_YOLO-Family），38的AP，要比YOLOv3-SPP还高，所以，我觉得会有效果，但效果能否显著就不一定了。 另外，它的uniform matching也可以在YOLOv5中试一试，说不定这种把每个目标的正样本数量均衡一下，也是个很好的训练方式，可能要比YOLOv5自己用的那种方式会好一些。 — Reply to this email directly, view it on GitHub,...

@yjh0410 您好，您实现的Pytorch-YOLO-Family支持训练自己的数据集吗？

@ayoggchen  是为了将bn_w与bn_var_sqrt相乘后的结果reshape成 [-1,1,1,1] 的形状，也就是[输出通道数, 1, 1, 1] 方便下一步与conv_w相乘

> > I did not understand this code, can anyone help me understand this code?  > > Have you ever make clear what does this equation mean? I can't...