NMS极慢原因

近几天做了一个训练。

以往都是使用迁移训练的方式，主干网络都是采用预训练的参数做初始化。但这次使用的是自己改进的网络。所以采用随机初始化开始训练。训练速度都还可以。但是在测试中间过程中，NMS（算法是Soft NMS）计算速度非常慢。（我的电脑2*1080Ti， 一般batch= 32, 单GPU的测试情况下，NMS只用0.008s）。而第一轮测试的时候，NMS计算居然到了0.18s，严重影响了整个训练测试速度，忍无可忍啊！

于是，我检测了代码，首先怀疑是否为GPU版的NMS，检测结果：确实调用了GPU版本

再次，怀疑自己不小心动了NMS的参数。NMS相关的参数很少，一一与前版本对比。无误！

SO， 猜测是 loss过大，训练结果太差，导致测试的时候，分类太多，分数都很低，目标分散。这些都会导致NMS的循环增加好几十倍，似乎能解释得通。于是耐心继续训练下去(为了加快测试速度，验证想法，将top_k从300减小到150)。

NMS时间不断减少。果真如此！！！折腾我一晚上！跑到200 epoch时的效果跟迁移训练 10 epoch的效果相当。

看了迁移学习确实能让训练快速收敛～