本周每位同学需要提出1-2个cookbook上没有的你实际中遇到的项目或者炼丹问题，可以没有答案，有答案更好，提交在论坛上
第四组炼丹问题
有哪些比较合理的超参（人工）搜索方法。
（1）Q：在json 转COCO 格式数据集后，在执行命令
python3 tools/test.py -f configs/retinanet_res50_cocomini_1x_800size.py -d ~/dataset -se 5 -n 1
时遇到问题
A：转换成COCO数据格式时，image[‘id’]为int 类型。str 转换成 int 之后，不再报错
（2）Q：使用retinanet 训练，训练正常，推理正常，但是跑测试集，所有的性能指标都为0。（训练集和测试集使用相同的数据格式转换脚本）
Q: 常用的神经网络，数据集输入的图片大小，是不是必须都是固定的，判断尺寸最佳的依据是什么，对于不同分辨率的图片，有没有自适应图片大小的网络，相比于普通的网络，有何优劣？
Q:模型的优化除了对数据增强之外，主要是对超参的调整吗？
Q: loss 刚开始收敛，后面突然就变成 nan，从此之后一蹶不振，一直都是 nan，why
Q: brain++ 平台，使用时，有时修改了某一个文件，运行时，读取的是未修改之前的文件，不知道是不是缓存，也可能是幻觉。