Deep learning Resnet50不收敛。VGG16工作正常

我用resnet50作为主干训练了一个回归网络。网络的输入是大小为224*224*3的图像，网络的输出是一个值，从0到1不等

但是netwrok不能收敛，无论我使用sigmoid还是relu作为输出层的激活mae或mse作为损失函数

例如，我使用resnet50作为主干，mae作为损失函数，sigmoid是输出层的激活函数SGD作为优化器。培训损失将是：

Epoch 1训练损失为0.4900，val_损失为0.4797

Epoch 2训练损失为0.4923，val_损失为0.4794

Epoch 3训练损失为0.4923，val_损失为0.4783

…

Epoch 35训练损失为0.4923，val_损失为0.4771

训练损失不会改变，它是恒定的0.4923。val_损失始终在0.47左右。我测试了不同的优化器，学习率。网络仍然没有融合

当我使用VGG16或Mobilenet作为主干时，网络聚合。

---

谁能给我一些关于如何解决这个问题的建议

您能否以某种方式验证Resnet50主干网是否正确实现。也许试着在MNIST上训练它，看看它是否能正常工作

在我看来，ResNet varaint只是输出一些平均值，而不是学习实际问题

---

你能提供一些关于你想要实现什么的更多信息吗。您的回归是什么样子的，以及希望从主干中得到什么输入。此外，您可能还想看看类似的工作（如果存在的话），了解他们使用的架构和超参数。

首先将损失函数改为二进制交叉熵，而不是mae。我想你的输出是概率，如果可能的话，你能告诉我们它们在现实中代表什么吗。我推测它们是图像中某个事件存在的概率。resnet50在keras中是预定义的。我输入一幅图像，网络的输出是一个点的坐标。e、 g.坐标x和y。x和y都重新缩放为0-1。例如，输入img1.jpg，输出将是point1（coor_x，coor_y）。实际上，输出有两个神经元。@shc你确定你用VGG16和MobileNet完成了这项任务吗？通常，如果你用它们完成这项任务，它们不会给你带来好结果。我不久前做了一些非常类似的事情。我用了一些VGG启发的架构。我记得我试过一些具有不同LR、不同损失函数和激活的优化器。最后，唯一对我有效的设置是SGD optimizer、MSE loss、所有层的relu激活，最后一层有sigmoid。您还可以尝试使用一个小子集（10张图像或其他什么）进行训练，看看网络是否能够过度适应，检查网络是否能够从那里学习和尝试。@othmanmarfoq是的，当我将输出的激活功能设置为“线性”时，resnet50起作用。谢谢