昨天深夜，调试车间产线视觉系统时遇到一个典型问题：RT-DETR在测试集上mAP达到78.2%，部署到产线后却频繁漏检。

查看日志发现，推理时显存占用比训练时高出40%，导致batch_size只能设为1，处理速度跟不上产线节拍。这个场景让我想起很多算法工程师的困惑：为什么论文指标漂亮，落地却困难重重？

研究代码与工程代码的本质差异

研究阶段的代码通常长这样：

# 研究代码典型写法（问题很多）definference(model,img):# 这里踩过坑：直接使用训练时的预处理img=train_transform(img)