训练时张量流损失没有减少答案

【问题标题】：Tensorflow-loss not decreasing when training训练时张量流损失没有减少
【发布时间】：2017-11-21 02:08:11
【问题描述】：

我正在为我自己的数据集使用 tensorflow 对象检测 api，但我遇到了一些问题。我正在使用 centos ，GPU Geforce 1080，8 GB GPU 内存，tensorflow 1.2.1 。我在训练集中有 500 张图像，在测试中有 40 张。我做了以下步骤，我有两个问题。 1.我使用LabelImg工具注释我的图像 2.创建tfrecord成功 3.我使用了ssd_inception_v2_coco.config。我修改了唯一的路径，没有类并且我没有从头开始训练，我使用了 ssd_inception_v2_coco 模型检查点。

问题 1：从第 0 步到 3000 步，我的损失显着减少，但在那之后，它保持在 5 到 6 之间。不知道如何减少它，但我的模型仍然能够检测到所需的对象。 Here is my Tensorborad samples 即使我尝试了不同的模型，例如。 fast_rcnn_inception_resnet_v2_atrous_coco 经过一些步骤 loss 保持在 1 到 2 之间的常数

问题 2：根据我能够运行 eval.py 但得到以下错误的文档：警告：root：以下类没有基本事实示例：该程序终止后为 0。我尝试同时运行 train.py 和 eval.py 仍然是同样的错误。请给我一个建议。我是 tensorflow 初学者需要的建议。

【问题讨论】：

标签： tensorflow deep-learning

【解决方案1】：

您在 Tensorboard 上看到的损失曲线非常正常。最初，损失会很快下降，但随着时间的推移似乎会“触底”。训练是一个缓慢的过程，经过多次迭代后，您应该会看到随着时间的推移稳步下降。

【讨论】：