为什么分别在本地和服务器训练同个模型差距很大？

yolov5同样的代码分别在本地和云端服务器训练，但是map结果差很多，是什么原因？

看看是不是和gpu/cpu不同精度有关，或者你的模型不稳定，严重依赖初始权重，你多试几次。

• 这篇博客也许可以解决你的问题👉 ：Map集合的存储机制，源码分析以及冲突解决
• 除此之外, 这篇博客: yolov--10--目标检测模型的参数评估指标详解、概念解析中的 1、目标检测中的mAP是什么含义？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
• • 关于Ground Truth：ground truth包括图像中物体的类别以及该图像中每个物体的真实边界框。
  • mAP含义及计算：如何量化呢？ 采用IoU（Intersection over Union），IoU是预测框与ground truth的交集和并集的比值。这个量也被称为Jaccard指数，并于20世纪初由Paul Jaccard首次提出。

  

  • 鉴别正确的检测结果并计算precision和recall

  为了计算precision和recall，与所有机器学习问题一样，我们必须鉴别出True Positives（真正例）、False Positives（假正例）、True Negatives（真负例）和 False Negatives（假负例）。

  ---