backbone 换swin-L，效果变差

[Blissy-32]

请问 我在某公开数据集上训练 用resnet50 12轮可以0.415 但是换swin-L后，batch-size设为1，多尺度size等不变，最高0.39，还是扩大学习率之后的，用线性计算学习率才0.34 是为什么呢

[TempleX98]

batch size为1太小了，就算线性scale学习率也会掉点

[Whitefish-by]

请问 我的显卡是两张L40，训练co_deformable_detr_swin_large_1x_coco.py，设置多少的per_smple_cpu和base_batch_size合适呢？
刚开始训练的时候学习率没改（2e-4），上面的两个参数没改（2，16）。但是，训练完第一个epoch发现评估结果都是0（之前在co_deformable_detr_r50_1x_coco.py上遇到过，改低学习率奏效）。
想请您给个建议，学习率、per_smple_cpu，base_batch_size设置多少比较合适呢？（下面是默认值）
auto_scale_lr = dict(enable=False, base_batch_size=16)，optimizer = dict( @type='AdamW', lr=2e-4, weight_decay=1e-4, paramwise_cfg=dict( custom_keys={ 'backbone': dict(lr_mult=0.1), 'sampling_offsets': dict(lr_mult=0.1), 'reference_points': dict(lr_mult=0.1) }))
@TempleX98 感谢您赐教！

[TempleX98]

不好意思回复得比较晚，可以设置为2张卡，每张卡samples_per_gpu=8，学习率使用2e-4，如果爆显存，samples_per_gpu降到4，学习率变为之前的一半1e-4，以此类推