1.不显示计算量:
在yolo.py中找到--profile,加上default=True
运行yolo.py
2.显存溢出
Batch-size和workers改小
Backbone改成mobilevit后,参数量2.05M,计算量7.16G,模型体积4.5M
虽然确实轻量化了,但代价太大了,掉点严重,且非常吃显存,batch-size为4,workers为1,显存占了8.35G,一个epoch的时间是原版yolov5s的3倍,感觉这个改进很不划算,可以作为背景板放进对比实验中。
所以,轻量化不该只考虑空间复杂度(参数量),时间复杂度(计算量),模型体积,也得考虑同等占显存情况下的训练的速度。
另外,改backbone其实本身逻辑就有问题,backbone作为网络的主干,把它换了,那还和它有关系吗?类似于改装自行车,直接把车架换了。现在好多论文给人感觉就是为了改进而改进。