이번 글은 간단하게 최근 찾은 궁금증과 그에 관한 이유에 대해 정리합니다. 저는 최근 Deformable DETR(D-DETR)을 사용하다가 loss 부분을 건드리게 되었는데 코드를 보던 중 문득 이상한 것을 확인할 수 있었습니다.
아래와 같습니다. def forward(self, outputs, targets): """ This performs the loss computation. Parameters: outputs: dict of tensors, see the output specification of the model for the format targets: list of dicts, such that len(targets) == batch_size.
The expected keys in each dict depends on the losses applied, see each loss' doc """ outputs_without_aux = {k: v for k, v in o...
#
all_reduce
#
loss정규화
#
Meta
#
num_boxes
#
ObjectDetection
#
분산학습
#
분산학습Loss
#
손실
#
손실정규화
#
Lossnormalizaiton
#
LossNorm
#
DDETR
#
DDP
#
DETR
#
Distributed
#
Fair
#
instance
#
Instsances
#
Loss
#
총인스턴스개수예시
원문 링크 : DETR's Loss
