hello

[sssimpleboy]

您好，我尝试部署siamrpn++，发现它的效果不错 ，但是后面那个搜索区与模板特征的那个卷积特别耗时，因为它只是个卷积运算，不属于网络，所以部署的时候不能被加速，只能用CPU算，所以我只能降低它的运算量。
于是我想重新训练。之前这个部分是3个尺度的2次（cls和loc）次卷积，每次卷积256个通道。为了让它运算的快一些，我改成了128个通道。但是训练了 20个循环后，发现在简单的数据上效果也特别差。框框一开始很大，能框牢，然后很快就变得很小。数据集只用了coco的。
我想询问一下，我这个原因是通道数太少了，还是数据集太少了。
谢谢！

[sssimpleboy]

我先自己看看，对照试验一下

[HLX-GitHub]

您好，我尝试部署siamrpn++，发现它的效果不错 ，但是后面那个搜索区与模板特征的那个卷积特别耗时，因为它只是个卷积运算，不属于网络，所以部署的时候不能被加速，只能用CPU算，所以我只能降低它的运算量。 于是我想重新训练。之前这个部分是3个尺度的2次（cls和loc）次卷积，每次卷积256个通道。为了让它运算的快一些，我改成了128个通道。但是训练了 20个循环后，发现在简单的数据上效果也特别差。框框一开始很大，能框牢，然后很快就变得很小。数据集只用了coco的。 我想询问一下，我这个原因是通道数太少了，还是数据集太少了。 谢谢！

你好呀！我是在TensorRT上部署这个SiameseRPN，我已经导出成ONNX了，但是那个卷积TensorRT并不支持，请问这个你怎么把它放到CPU上计算的，是将ONNX进行切分吗？

[sssimpleboy]

您好，我尝试部署siamrpn++，发现它的效果不错 ，但是后面那个搜索区与模板特征的那个卷积特别耗时，因为它只是个卷积运算，不属于网络，所以部署的时候不能被加速，只能用CPU算，所以我只能降低它的运算量。 于是我想重新训练。之前这个部分是3个尺度的2次（cls和loc）次卷积，每次卷积256个通道。为了让它运算的快一些，我改成了128个通道。但是训练了 20个循环后，发现在简单的数据上效果也特别差。框框一开始很大，能框牢，然后很快就变得很小。数据集只用了coco的。 我想询问一下，我这个原因是通道数太少了，还是数据集太少了。 谢谢！

你好呀！我是在TensorRT上部署这个SiameseRPN，我已经导出成ONNX了，但是那个卷积TensorRT并不支持，请问这个你怎么把它放到CPU上计算的，是将ONNX进行切分吗？
我是将目标和搜索区合并，进入模型后分开，然后模型里设置了两个backbone，参数相同，分别对两块图处理。

[sssimpleboy]

您好，我尝试部署siamrpn++，发现它的效果不错 ，但是后面那个搜索区与模板特征的那个卷积特别耗时，因为它只是个卷积运算，不属于网络，所以部署的时候不能被加速，只能用CPU算，所以我只能降低它的运算量。 于是我想重新训练。之前这个部分是3个尺度的2次（cls和loc）次卷积，每次卷积256个通道。为了让它运算的快一些，我改成了128个通道。但是训练了 20个循环后，发现在简单的数据上效果也特别差。框框一开始很大，能框牢，然后很快就变得很小。数据集只用了coco的。 我想询问一下，我这个原因是通道数太少了，还是数据集太少了。 谢谢！

你好呀！我是在TensorRT上部署这个SiameseRPN，我已经导出成ONNX了，但是那个卷积TensorRT并不支持，请问这个你怎么把它放到CPU上计算的，是将ONNX进行切分吗？

我后来发现耗时的不是那个CPU 部分的卷积。。。 所以就没管了