昨天深夜调试RT-DETR时遇到一个诡异现象：同一批训练数据，两次训练得到的mAP差异竟然超过5个百分点。排查了数据增强、学习率、损失函数所有环节，最后发现问题出在Decoder的查询初始化上——一个我原本以为“不太重要”的配置项。查询初始化：被低估的起点力量在RT-DETR中，查询（Query）是Decoder的核心输入，它直接决定了模型“关注什么”以及“如何关注”。很多工程师习惯直接使用默认初始化，但这恰恰是性能波动的隐形杀手。# 常见的默认初始化方式（问题示例）self.query_embed=nn.Embedding(num_queries,hidden_dim)nn.init.normal_(self
