reproduction of efficientdet with paddlepaddle. 项目目前能够正常训练和评估。采用paddle2.1.2+PaddleDetection开发。 但是由于训练所需的计算资源问题，原论文需要300个epochs以及128 batchsize的配置。 单卡16G配置下的config需要的训练时间非常长，需要大半个月，我并没有进行成功的完整复现，只进行了几个epoch设置的训练（train_0.log有训练的日志）。 实验结果表示能够稳定训练，且loss下降指标缓慢上升，这和其他训练框架下的训练日志类似，前期指标上升非常缓慢
Note：经过多卡训练40个epoch后指标非常低，所以项目应该存在有小问题～ 希望有计算资源的朋友可以验证复现的正确性～
## unzip datasets
数据集放在dataset/coco下
! unzip -q /home/aistudio/data/data7122/annotations_trainval2017.zip -d dataset/coco
! unzip -q /home/aistudio/data/data7122/val2017.zip -d dataset/coco
! unzip /home/aistudio/data/data7122/train2017.zip -d dataset/coco
! unzip /home/aistudio/data/data7122/test2017.zip -d dataset/coco## Install third-party library
!pip install pycocotools
!pip install -r requirements.txt# 单卡
!python tools/train.py -c configs/efficientdet/efficientdet_d0_1x_coco.yml --eval --use_vdl=True# 多卡
export CUDA_VISIBLE_DEVICES=0,1,2,3
python -m paddle.distributed.launch --gpus 0,1,2,3 tools/train.py -c configs/efficientdet/efficientdet_d0_1x_coco.yml --eval --use_vdl=True