11、YOLO训练后输出时参数不同的原因分析：
其中一个原因是因为使用了Fuse前向加速推理方法，将Conv和BN层融合在了一起，具体见torch_utils.py文件中的fuse_conv_and_bn函数。验证时，由于加载的是训练好的权重文件，参数不需要更新，所以不需要求梯度，因此gradients=0。训练时所有参数都需要梯形反向传播，所以训练时grandients = parameters。原因也是使用了Fuse前向加速推理方法，将Co
·
网络输出显示：
训练输出显示：
上述Model Summary显示计算不同的原因共有三点：
Layers：可以看到验证时网络层数减少了很多
其中一个原因是因为使用了Fuse前向加速推理方法，将Conv和BN层融合在了一起，具体见torch_utils.py文件中的fuse_conv_and_bn函数
Parameters：显示参数量减少
原因也是使用了Fuse前向加速推理方法，将Conv和BN层融合在一起，相当于砍掉了BN层
grandients:训练后表示gradients=0
训练时所有参数都需要梯形反向传播，所以训练时grandients = parameters
验证时，由于加载的是训练好的权重文件，参数不需要更新，所以不需要求梯度，因此gradients=0
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
11
0- 0
已为社区贡献8条内容
所有评论(0)