12 注意力头数自动搜索：让RT-DETR的每个头都物尽其用上个月，我帮一个做自动驾驶的朋友调模型。他用的RT-DETR-L在Cityscapes上跑了快两周，mAP卡在54.3%死活上不去。我看了眼配置文件，发现他把注意力头数设成了16——这是从某个开源项目里直接抄来的“标准配置”。我问他：“你试过8个头吗？”他摇头。我又问：“那12个呢？”他继续摇头。结果你猜怎么着？我把头数调到10，参数量反而降了3%，mAP直接跳到55.1%。他当时就懵了：“头数少了，效果反而好了？”这不是玄学。注意力头数不是越多越好——每个头都要学不同的注意力模式，但如果头数太多，它们就会互相“打架”，产生冗余。更麻烦的是，头数设置不当会影响模型的感受野和计算效率。今天，我就带你彻底搞懂RT-DETR的注意力头数该怎么调。痛点拆解：头数设置的三大认知误区误区一：头数=表达能力，越多越好这是最常见的错误。很多人觉得头数越多，模型就能学到更复杂的特征交互。但事实是，RT-DETR的Transformer编码器里，每个头都在做同样的自注意力计算，区别只在于投影矩阵不同。我见过最夸张的例子：有人把RT-DETR-L的头数从8改成32，结果模型直接OOM（显存溢出）。就算没溢出，你也会发现——训练到后期，很多头的注意力图长得一模一样。误区二：头数必须2的幂次“8、