训练时，张量流量损失不会减少

Question

我正在为我自己的数据集使用tensorflow对象检测api我遇到了一些问题。我正在使用centos，GPU Geforce 1080,8 GB GPU内存，张量流1.2.1。我在训练集中有500张图像，在测试中有40张图像。我做了以下步骤，我有两个问题。 1.我使用LabelImg工具注释我的图像 2.成功治疗tfrecord 3.我使用了ssd_inception_v2_coco.config。我修改了唯一的路径，没有上课，我没有从头开始训练，我使用了ssd_inception_v2_coco模型检查点。

问题1：从第0步到第3000步，我的损失急剧减少但在此之后，它在5到6之间保持不变。没有得到我如何减少它，但仍然我的模型能够检测所需的对象。 Here is my Tensorborad samples 即使我尝试过不同的模型，例如。在一些步骤丢失后，faster_rcnn_inception_resnet_v2_atrous_coco保持在1和2之间不变

问题2：根据我能够运行eval.py但是收到以下错误的文档： 警告：root：以下类没有基本事实示例：该程序终止后为0。 我尝试同时运行train.py和eval.py同样的错误。 请给我一个建议。我是张量流初学者所需的建议。

Answer 1

您在Tensorboard上看到的损失曲线非常正常。最初，损失将迅速下降，但随着时间的推移似乎会“触底反弹”。训练是一个缓慢的过程，经过多次迭代后，您应该会看到稳定的下降。