update experiments (#1837)

docs/tutorials/practical_tutorial/object_detection_fall_tutorial.md

@@ -188,18 +188,18 @@ python main.py -c paddlex/configs/object_detection/PP-YOLOE_plus-S.yaml \
 
 推荐在调试参数时遵循控制变量法：
 
-1. 首先固定训练轮次为 50，批大小为 8。
-2. 基于 PP-YOLOE_plus-S 模型启动三个实验，学习率分别为：0.00005，0.0001，0.0002。
-3. 可以发现实验二精度最高的配置为学习率为 0.0001，在该训练超参数基础上，改变训练论次数，观察不同轮次的精度结果，发现轮次在 50epoch 时就可以获得最佳精度。
+1. 首先固定训练轮次为 10，批大小为 8。
+2. 基于 PP-YOLOE_plus-S 模型启动三个实验，学习率分别为：0.00002，0.0001，0.0005。
+3. 可以发现实验二精度最高的配置为学习率为 0.0001，在该训练超参数基础上，改变训练论次数，观察不同轮次的精度结果，发现轮次在 50epoch 时基本达到了最佳精度。
 
 学习率探寻实验结果：
 <center>
 
 | 实验  | 轮次 | 学习率   | batch\_size | 训练环境 | mAP@0\.5 |
 |-----|----|-------|-------------|------|----------|
-| 实验一 | 50 | 0\.00005 | 8          | 4卡   | 0\.947   |
-| 实验二 | 50 | 0\.0001 | 8          | 4卡   |**0\.953**|
-| 实验三 | 50 | 0\.0002 | 8          | 4卡   | 0\.946   |
+| 实验一 | 10 | 0\.00002 | 8          | 4卡   | 0\.880   |
+| 实验二 | 10 | 0\.0001 | 8          | 4卡   |**0\.910**|
+| 实验三 | 10 | 0\.0005 | 8          | 4卡   | 0\.888   |
 
 </center>
 
@@ -208,9 +208,9 @@ python main.py -c paddlex/configs/object_detection/PP-YOLOE_plus-S.yaml \
 
 | 实验        | 轮次  | 学习率   | batch\_size | 训练环境 | mAP@0\.5 |
 |-----------|-----|-------|-------------|------|----------|
-| 实验二       | 50  | 0\.0001 | 8          | 4卡   | **0\.953**   |
-| 实验二减少训练轮次 | 30  | 0\.0001 | 8          | 4卡   | 0\.948   |
-| 实验二增大训练轮次 | 80  | 0\.0001 | 8          | 4卡   | 0\.952   |
+| 实验二       | 10  | 0\.0001 | 8          | 4卡   | 0\.910   |
+| 实验二增大训练轮次 | 50  | 0\.0001 | 8          | 4卡   | **0\.944**   |
+| 实验二增大训练轮次 | 100  | 0\.0001 | 8          | 4卡   | 0\.947   |
 </center>
 
 ** 注：本教程为4卡教程，如果您只有1张GPU，可通过调整训练卡数完成本次实验，但最终指标未必和上述指标对齐，属正常情况。**