![](/img/trans.png)
[英]how to train a custom object detection model ssd_mobilenet_v1_coco and ssd_inception_v2_coco on google colab tensorflow 1.15.2?
[英]Loss of Object detection model using ssd_mobilenet_v2_quantized_300x300_coco increases after every 10k-12k steps
我正在自定义数据集上训练ssd_mobilenet_v2_quantized_300x300_coco
对象检测模型。 该数据集包含约2.6k图像和19个类别。 训练步骤达到10k-12k后,损耗图开始增加。 即使我将模型更改为ssd_mobilenet_v2_coco
并且在相同的步距范围内, ssd_mobilenet_v2_coco
发生这种情况。 我在配置文件中找不到与此行为相关的任何内容。 当使用faster_rcnn
模型时, faster_rcnn
消失。 当问题出现时,mAP几乎变得恒定。 准确度也不会超过50%。 谁能解释这种行为?
样本数据集:
损失图
a)ssd_mobilenet_v2_quantized_300x300_coco
b)ssd_mobilenet_v2_coco
配置文件:a)ssd_mobilenet_v2_quantized_300x300_coco
b)ssd_mobilenet_v2_coco
那你的训练损失呢? 请注意, total_loss
是此处的验证损失。
如果您的训练损失在减少,而验证损失在增加,这显然是过度拟合的迹象,您可以在训练期间通过在配置文件中的train_config
部分中添加以下内容来使用正则化损失
add_regularization_loss: true
就像batch_size: 24
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.