search

ZJU-lishuang / yolov5_prune

yolov5 prune，Support V2, V3, V4 and V6 versions of yolov5
Apache License 2.0
559 stars 137 forks source link

使用不同工程的脚本测试剪枝后微调的模型mAP@0.5指标不一致 #47

Closed HouBiaoLiu closed 3 years ago

HouBiaoLiu commented 3 years ago

1、使用prune_finetune.py微调训练，取某一轮训练好的模型，用这个脚本计算测试集的mAP@0.5，与保存的results.txt是一致的 2、但是使用slim_prune_yolov5s.py脚本，取上面步骤的模型，计算测试集的mAP@0.5，比前者低6个点

ZJU-lishuang commented 3 years ago

测试集评估map的代码是直接继承原有的，且并不影响剪枝实际效果，只确保能跑通。 如果需要评估map，可以使用模型直接生成检测结果，然后输入第三方评估代码中去

HouBiaoLiu commented 3 years ago

1、我已查到原因了，这两个脚本的区别在于，有没有initialize_weights(model)，slim_prune_yolov5s.py脚本原先没加这个，于是低6个点 2、这个函数中 elif t is nn.BatchNorm2d: m.eps = 1e-3，而默认加载权重就是1e-5，所引起的 image @ZJU-lishuang

ZJU-lishuang commented 3 years ago

:+1::+1::+1:

ZJU-lishuang commented 3 years ago
  1. BatchNorm2d这里初始化的值继承自yolov5，和函数默认的初始化值不同
  2. 剪枝代码里面模型都是直接复制继承权重的，判断后面可能有地方覆盖修改了该值
HouBiaoLiu commented 3 years ago

执行export_prune_onnx.py 导出onnx时报错，在于attempt_load函数中fuse操作，去掉fuse操作可正常导出，这个fuse操作也将bn层的eps也fuse到卷积中了