Computer vision 数据层预取队列为空，后跟丢失0

我正在自己的数据集上微调caffenet。 我已经在flickr风格的数据集上成功地完成了， 所以我修改了solver和train_val prototxt文件，以指向我的数据集，并使用新的输出维度（=100类）

我的数据集大小为1.88M图像用于训练，0.48M图像用于测试

当我开始训练时，它暂停了一会儿

... blocking_queue.cpp:50] Data layer prefetch queue empty

然后进行如下工作：

... solver.cpp:414]     Test net output #0: accuracy = 0.0002
... solver.cpp:414]     Test net output #1: loss = 5.6139 (* 1 = 5.6139 loss)
... solver.cpp:242] Iteration 0, loss = 7.23329
... solver.cpp:258]     Train net output #0: loss = 7.23329 (* 1 = 7.23329 loss)
... solver.cpp:571] Iteration 0, lr = 0.001
... solver.cpp:242] Iteration 20, loss = 0
... solver.cpp:258]     Train net output #0: loss = 0 (* 1 = 0 loss)
... solver.cpp:571] Iteration 20, lr = 0.001
... solver.cpp:242] Iteration 40, loss = 0
... solver.cpp:258]     Train net output #0: loss = 0 (* 1 = 0 loss)
... solver.cpp:571] Iteration 40, lr = 0.001

等等。 显然，根本没有计算任何损失。奇怪的是，迭代0的初始损失似乎足够公平

显然，数据没有正确加载。我使用文本文件列出文件路径及其标签

我正在使用softmax loss

我尝试将初始学习率降低到1/10，但没有改变

**编辑：我尝试了1/1000的初始学习率。起初，它似乎起了作用。经过大约300次迭代后，它的损失再次迅速下降，准确率达到100%，这意味着可能又出了问题。caffenet和VGG均出现症状

---

你知道可能出了什么问题吗？

问题是用于训练和测试数据的文本文件没有被洗牌，而是被排序了。因此，测试只在同一类的图像上进行，并且参数也从同一类的图像中学习，从而很快获得100%的准确率