yolov5训练在自定义数据集上比原版收敛慢太多，可能是哪方面原因导致的呢？

[hengyanchen]

问题确认 Search before asking

• [X] 我已经搜索过问题，但是没有找到解答。I have searched the question and found no related answer.

请提出你的问题 Please ask your question

同样的数据集，同样的超参，paddle版的yolov5在自定义数据集上比原版收敛慢太多，可能是哪方面原因导致的呢？ 是否是预训练模型不同导致的？ 预训练模型是根据原yolo预训练模型转的还是paddle团队自己训练的呢？ 或者是其他什么原因导致的？

[nemonameless]

最终精度差别大吗？收敛慢可能是需要调参，原版yolov5会有很多自适应的参数调整，这边没有。预训练权重是自训的，P6的是转的。此外原版yolov5的边训边eval打印的mAP不是标准的cocoapi的AP。

[Guiltytrees]

同问，精度很低，请问是预训练模型的原因吗，我调用Paddle提供的在COCO上训练好的模型作为预训练模型精度也很低，很低很低。除了YOLOv3代码里本身加载了预训练模型之外之外，其余YOLO系列精度都很低很低。

[nemonameless]

同问，精度很低，请问是预训练模型的原因吗，我调用Paddle提供的在COCO上训练好的模型作为预训练模型精度也很低，很低很低。除了YOLOv3代码里本身加载了预训练模型之外之外，其余YOLO系列精度都很低很低。

大概率是你使用和调参问题，实际项目业务上我们也用的很正常，注意看loss趋势，可以再详细点提问或发代码改动看看。先排除掉GPU不够而把bs改的很小去训导致不收敛或精度差，如果真是这样，你得增加GPU资源。

[hengyanchen]

最终精度差别大吗？收敛慢可能是需要调参，原版yolov5会有很多自适应的参数调整，这边没有。预训练权重是自训的，P6的是转的。此外原版yolov5的边训边eval打印的mAP不是标准的cocoapi的AP。

最终精度还不知道，因为我训练了900轮都没收敛完，不过看趋势就是收敛慢

[hengyanchen]

分别在两批数据集上测试发现yolov5 相较于官方yolov5 收敛慢很多，最终精度也差很多，rtdert 效果好一点，但是收敛也慢，最终精度也比yolov5 差一点

[nemonameless]

数据增强也可能会影响，自定义数据集差别太大，paddle实现和torch的数据增强不是完全一样的，官方yolov5一直在更新，paddle这边可能是参照的很老的torch版本。