论文加工作量,想着把有效感受野加上,用的RepLKNet的代码
https://github.com/DingXiaoH/RepLKNet-pytorch/tree/main/erf
以下仨图分别是 Res101、Res152 和 RepLKNet 31B 在随机初始化且没训练情况下的有效感受野:
(我是在COCO val2017上测试的,分辨率1024x1024)
RepLKNet-31B此时的感受野也太小了吧,(小小的也很可爱🤣🤣🤣🤣
以下是RepLKNet 原文的图,按理说应该是训练后的图
有意思,小核ResNet ImageNet训练完毕后,有效感受野变小了,大核RepLKNet ImageNet训练完毕后,有效感受野变大了
github上倒是有老哥和我遇到类似的问题
https://github.com/DingXiaoH/RepLKNet-pytorch/issues/25
作者的回答:
作者提到"贡献分数的方差较低",我觉得是当前有效感受野的代码存在问题,按理说梯度都会倒着传过去的
之后有空再调吧…