Tensorflow 训练SSD-MOBILENET V1，损失不会减少
我对CNN和tensorflow的一切都不熟悉。我正在训练一个经过预训练的ssd-mobilenev1-pets.config来检测建筑物的柱状物，大约一天，但损失在2-1之间，并且从10小时前开始没有减少。 我意识到我的输入图像是128x128，SSD将de图像大小调整为300*300。 输入图像的大小是否影响训练？ 如果是这样的话，我应该用更大的输入图像重新训练网络吗？或者，另一种减少损失的方法是什么？我的火车数据集有660个图像，测试166个，我不知道是否有足够的图像Tensorflow 训练SSD-MOBILENET V1，损失不会减少,tensorflow,training-data,loss-function,object-detection-api,tensorflow-ssd,Tensorflow,Training Data,Loss Function,Object Detection Api,Tensorflow Ssd,我对CNN和tensorflow的一切都不熟悉。我正在训练一个经过预训练的ssd-mobilenev1-pets.config来检测建筑物的柱状物，大约一天，但损失在2-1之间，并且从10小时前开始没有减少。 我意识到我的输入图像是128x128，SSD将de图像大小调整为300*300。 输入图像的大小是否影响训练？ 如果是这样的话，我应该用更大的输入图像重新训练网络吗？或者，另一种减少损失的方法是什么？我的火车数据集有660个图像，测试166个，我不知道是否有足够的图像 我真的很感谢您的帮助
我真的很感谢您的帮助….ssd\u mobilenet的损失值可能不同于
更快的\u rcnn- 我建议您拍摄15%-20%的图像进行测试，涵盖培训数据中的所有种类。正如您所说，您有650多张图像用于培训，150多张图像用于测试。这大约是测试图像的25%。看起来你有足够的图片开始。我知道的越多，就越开心，但是要确保你的模型也有足够的数据可以学习
- 调整图像大小不会导致丢失。它确保所有图像的一致性，以便模型无偏见地识别它们。损失与图像大小调整无关，只要每个图像的大小都相同
- 如果您想让您的模型完美匹配，您必须一次又一次地停车并恢复检查点。通常，您可以通过
重新训练ssd mobilenet，直到损耗始终低于1，从而获得良好的准确度。
理想情况下，我们希望损耗尽可能低，但我们希望
这是一个反复尝试的过程。（0.5到1之间的损失似乎做得很好，但这一切都取决于你。）确保模型没有过度适配。
- 我认为您的模型表现不佳的原因是，您有各种各样的测试数据，但没有足够的培训数据。
（例如：您的测试数据中有一些建筑物新角度的图像，这些图像在训练数据中没有充分显示）。在这种情况下，我建议您将各种各样的图像放入训练数据中，然后选择图像进行测试，确保您仍然有足够的新姿势训练数据。这就是为什么我建议您使用15%-20%的测试数据模型在训练数据中没有获得足够的知识，无法使模型学习新的测试数据。