一、问题现场：为什么我的RT-DETR训练到一半就崩了？
上周在部署RT-DETR到边缘设备时遇到一个典型问题：训练前期loss下降正常，到第80个epoch左右突然出现梯度爆炸，loss值直接变成NaN。检查数据预处理、模型结构都没问题，最终定位到学习率策略——我们沿用了一直用的StepLR，在RT-DETR这种需要精细调参的检测模型上，这种粗暴的阶梯式下降反而成了训练不稳定的元凶。
RT-DETR作为实时检测Transformer，对学习率的变化比传统CNN敏感得多。它的多尺度特征融合和混合编码器结构，要求不同训练阶段有不同的学习节奏。直接套用YOLO那套调度策略，大概率会翻车。
二、自适应训练策略的核心逻辑
传统训练策略像开手动挡车，到固定里程就得换挡。而自适应策略更像自动变速箱，根据当前的路况（训练状态）实时调整。RT-DETR训练中有三个关键状态需要监控：
梯度分布情况
Transformer的注意力层梯度容易产生尖峰，用torch.nn.utils.clip_grad_norm_是基础操作，但关键在阈值设置。我们做过对比实验，RT-DETR的grad_norm控制在0.8-1.2之间效果最好，超过1.5就要警惕了。
# 常见的梯度裁剪写法torch.nn
