为什么在训练tensorflow对象检测ssd mobilenet模型时，我的训练损失非常高

我正在尝试使用tensorflow api模型ssd mobile net创建自己的自定义对象检测器，但问题是，当模型开始训练时，损失非常高，如700-800，并且损失不断波动，我看到相同的损失值重复出现，有人能给我解释一下吗。我最初训练了7000步的模型，但损失没有减少，然后我又开始训练模型。我正在分享我新培训的截图。我已经被困在这个问题上近两天了，非常感谢任何帮助。 我的火车数据集中有16482张图像，图像大小为64x64

---

请检查图像格式所有图像应采用相同的格式（JPG或JPEG），删除PNG图像。然后尝试训练

如果您确定数据集正常，则此问题可能与模型的学习率有关。如果您使用的是tensorflow对象检测器，您可以在基本迁移学习模型的配置文件中更改此学习速率

，而无需提供有关您的数据、模型等的任何信息，我们只能猜测。你把你的输入标准化了吗？您的模型是否足够大，能够适应数据？甚至有一种模式是可以学习的吗。。。你的损失似乎在波动。试着降低学习速度。否则，使用此repo设置对象检测模型并尝试不同的模型，看看是否会发生相同的情况-@AniketBote嘿，这是用于自定义对象检测的repo。是的。它自动下载所有内容并设置路径、创建tfrecords、模型、创建配置文件，最后输出用于培训和评估模型的命令。