Deep learning Nvidia数字：损失保险（val和train）直接归零 编辑：找到问题。我在创建数据集时忘记添加自定义类。业余爱好者犯了错误，但将此留给犯类似错误的其他人。
在成功地学习了NVIDIA提供的KITTI教程之后，我开始尝试在自己的数据集上运行DIGITS。问题在于，在启动后，列车和验证的损失覆盖率几乎立即变为零，在10e-4损失范围内 额外详情：Deep learning Nvidia数字：损失保险（val和train）直接归零 编辑：找到问题。我在创建数据集时忘记添加自定义类。业余爱好者犯了错误，但将此留给犯类似错误的其他人。,deep-learning,caffe,conv-neural-network,pycaffe,nvidia-digits,Deep Learning,Caffe,Conv Neural Network,Pycaffe,Nvidia Digits,在成功地学习了NVIDIA提供的KITTI教程之后，我开始尝试在自己的数据集上运行DIGITS。问题在于，在启动后，列车和验证的损失覆盖率几乎立即变为零，在10e-4损失范围内 额外详情： 约900张训练图像和约300张验证图像（注意：我的一位朋友告诉我，他是用这个数据集得到的，所以我不认为图像的数量是问题所在） 这些图像非常简单，包含一个汽车模型，背景基本上很简单 我必须通过从培训数据中获取图像/标签来创建验证数据 我使用的模型是本文中提到的DetectNet模型 我使用了教程中提到的Go
- 约900张训练图像和约300张验证图像（注意：我的一位朋友告诉我，他是用这个数据集得到的，所以我不认为图像的数量是问题所在）
- 这些图像非常简单，包含一个汽车模型，背景基本上很简单
- 我必须通过从培训数据中获取图像/标签来创建验证数据
- 我使用的模型是本文中提到的DetectNet模型
- 我使用了教程中提到的GoogLeNet预训练模型
- 更改超参数似乎没有任何作用
- 如前所述，运行模型超过1个历元不会改变任何事情（损失覆盖率保持接近零）