11、YOLO训练后输出时参数不同的原因分析：

发布时间：2023年12月24日

网络输出显示：
在这里插入图片描述
训练输出显示：
在这里插入图片描述

上述Model Summary显示计算不同的原因共有三点：

  1. 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

  1. 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

  1. 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

文章来源:https://blog.csdn.net/qq_39522016/article/details/135182466
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章