使用两张3090训练最终结果是39.6258，没有达到您的40.1。请问问题可能出在哪里？

[jiajia131]

完全使用fastinst_R50-vd-dcn_ppm-fpn_x3_640.yaml默认设置

[01/05 12:26:03 d2.evaluation.testing]: copypaste: Task: segm [01/05 12:26:03 d2.evaluation.testing]: copypaste: AP,AP50,AP75,APs,APm,APl [01/05 12:26:03 d2.evaluation.testing]: copypaste: 39.6315,61.6258,41.5632,17.0921,43.0538,62.6699

[jiajia131]

得到40.1的结果是需要超过50个epoch吗？？

[junjiehe96]

得到40.1的结果是需要超过50个epoch吗？？

您好，所有模型都是训练50 epoch，batch size=16

[jiajia131]

那请问您使用训练设备是？

[junjiehe96]

那请问您使用训练设备是？

4张V100和4张A100上均跑过，结果差不多

[supper-zh]

您好，同问。 我使用4张3090GPU，训练50 epoch，batch size=16，使用 fastinst_R50-vd-dcn_ppm-fpn_x3_640.yaml默认设置，遇到同样的情况： [03/08 08:35:55] d2.evaluation.fast_eval_api INFO: Evaluate annotation type segm [03/08 08:36:08] d2.evaluation.fast_eval_api INFO: COCOeval_opt.evaluate() finished in 12.72 seconds. [03/08 08:36:08] d2.evaluation.fast_eval_api INFO: Accumulating evaluation results... [03/08 08:36:09] d2.evaluation.fast_eval_api INFO: COCOeval_opt.accumulate() finished in 1.17 seconds. [03/08 08:36:10] d2.evaluation.coco_evaluation INFO: Evaluation results for segm:	AP	AP50	AP75	APs	APm	APl
39.6875	61.5065	41.6953	16.9503	42.9351	62.8829

[jiajia131]

您好，同问。 我使用4张3090GPU，训练50 epoch，batch size=16，使用 fastinst_R50-vd-dcn_ppm-fpn_x3_640.yaml默认设置，遇到同样的情况： [03/08 08:35:55] d2.evaluation.fast_eval_api INFO：评估注释类型segm [03/08 08:36:08] d2.evaluation.fast_eval_api INFO：COCOeval_opt.evaluate() 在 12.72 秒内完成。 [03/08 08:36:08] d2.evaluation.fast_eval_api INFO：正在累积评估结果... [03/08 08:36:09] d2.evaluation.fast_eval_api INFO：COCOeval_opt.accumulate() 在 1.17 秒内完成。 [03/08 08:36:10] d2.evaluation.coco_evaluation INFO：segm 的评估结果：

美联社 AP50 AP75 接入点 平均APm 磷酸盐 39.6875 61.5065 41.6953 16.9503 42.9351 62.8829

换成四张v100，可能可以

[LH-MAMBA]

作者您好，在fastinst_R50-vd-dcn_ppm-fpn_x1_576.yaml，使用两张3060，每张卡给两张图片，batch size=4，Lr=0.000025,减少了4倍，其他设置不变，AP只达到30.1312，请问还需修改什么参数提高AP？谢谢