向楼主提问，这种现象是不是应该是batch size不够造成的 about garbage_classify HOT 8 OPEN

楼主 这个是我跑第一个epno的，预训练模型也加载了，我用model summary也看到了，感觉是不是没有起作用

from garbage_classify.

@piaotq 你好对于batch_size对分类准确率的影响还是挺大的，我做过实验batch32的效果好于16,16好于8，如果当batch_size的大小小于16时，准确率会下降很快。

from garbage_classify.

第一原因：batch选择的太小，一般情况下batch是16以及以上最佳，不然准确率会下降很多，如果是4的话几乎不可能达到很好的分类结果。第二个原因：默认尺寸是最好的，228太小了失去了很多信息。建议size改成380或者456，batch改成16以及以上，准确率就会上升啦。因为EfficientNet论文指明，尺寸对网络的影响非常大。

from garbage_classify.

楼主非常感谢你的经验。
我目前的input size是设置为456的，batch size如果要到32的话，16G的显存够用么？我在想租用阿里云的服务器试一下，这方面有啥好的推荐么。
另外昨天那个训练的问题，其实EfficientNetB5(weights='imagenet', 这个里边的下载链接其实失效了，然后我加载错了网络权重的文件。所以昨天晚上我加载了至少我认为正确的权重文件，训练16次就达到了前天30次的指标，今天继续再跑跑结果。
对了EfficientNetB5现在编译好的权重文件有待autoaugment和不带的，用哪个效果会一些呢

from garbage_classify.

楼主 我用nvida的P100跑 16G满了 也跑不到batch size16 能问下你用的是啥配置么？

from garbage_classify.

@piaotq 我之前用的是华为云参加比赛给的云服务器，4个P100是可以跑到32的，尺寸也是456。16G肯定是不够的可能至少需要48G的GPU。IImageNet那个参数可以自己收动下载的，然后读取它就行啦。AutoAugment那个预训练参数不是太好，准确率不是太高建议不要用，对了我记得AutoAugment是B6，B7的时候选用的。

from garbage_classify.

明白了，感谢哈哈，阿里云我看看怎么安排多GPU的

from garbage_classify.

@piaotq 不客气哈

from garbage_classify.