官方那个模型复现交付物有要求的吧

貌似精度要达到多少多少，才能瓜分论文复现的奖金来着

不过如果是挂在aistudio上面的项目，有的可能没那么讲究

网络复现出来就可以加精品了，剩下的要靠众人拾柴……

一层一层弄精度对齐是个力气活儿啊~~

弄一遍很是锻炼身体，能长肌肉，哈哈

只是好奇，如果权重是直接转换过来的怎么会精度对不齐呢？除非超参的问题

会不会是转换过程中的问题?

有的层实现会有些区别，tf和pytorch的也不会完全一样。还有的是精度转换的损失

也许这就是直接转换不成，所以搞模型搭建式的复现的原因吧。毕竟用api重新搭建，方便一层一层的对齐输出，定位问题。

哦，那应该是比较特殊的api吧。基本的卷积、全连接、正则化行为倒是一致的。一般也都是用float32精度。除非新模型的改进比较底层

精度对齐我们一直都很重视的。精度超过的也不少。

模型复现首先得考虑是否该论文公开代码和模型参数，如果没有压根就没法精度对齐，只能从头开始训练，但是大数据集训练时间长aistudio没办法跑，这种情况下只能官方来做了

对，好多都是在imagenet上的实验，平台又挂不上，所以有代码，在小数据集上做实验也还行。起码有代码复现。总比没有强

Training and deployment are also important in the whole process.