tensorflow - 经过一段时间的训练，训练损失值在增加，但模型检测到的对象很好

问题描述

我在训练 CNN 从我自己的数据集中检测对象时遇到了一个奇怪的问题。我正在使用迁移学习，并且在训练开始时，损失值正在减少（如预期的那样）。但一段时间后，它变得越来越高，我不知道为什么会这样。

同时，当我查看 Tensorboard 上的图像选项卡以检查 CNN 预测对象的效果时，我可以看到它做得非常好，看起来并没有随着时间的推移变得更糟。此外，Precision 和 Recall 图表看起来不错，只有 Loss 图表（尤其是分类损失）显示出随时间增加的趋势。

以下是一些具体细节：

我有 10 种不同类别的徽标（例如 DHL、BMW、FedEx 等）
每班大约 600 张图片
我在 Ubuntu 18.04 上使用 tensorflow-gpu

我尝试了多个预训练模型，最新的是使用此配置管道的faster_rcnn_resnet101_coco ：

model {
  faster_rcnn {
    num_classes: 10
    image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    feature_extractor {
      type: 'faster_rcnn_resnet101'
      first_stage_features_stride: 16
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        scales: [0.25, 0.5, 1.0, 2.0]
        aspect_ratios: [0.5, 1.0, 2.0]
        height_stride: 16
        width_stride: 16
      }
    }
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.01
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.7
    first_stage_max_proposals: 300
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 14
    maxpool_kernel_size: 2
    maxpool_stride: 2
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        use_dropout: false
        dropout_keep_probability: 1.0
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.0
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold: 0.6
        max_detections_per_class: 100
        max_total_detections: 300
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}

train_config: {
  batch_size: 1
  optimizer {
    momentum_optimizer: {
      learning_rate: {
        manual_step_learning_rate {
          initial_learning_rate: 0.0003
          schedule {
            step: 900000
            learning_rate: .00003
          }
          schedule {
            step: 1200000
            learning_rate: .000003
          }
        }
      }
      momentum_optimizer_value: 0.9
    }
    use_moving_average: false
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint: "/home/franciszek/Pobrane/models-master/research/object_detection/logo_detection/models2/faster_rcnn_resnet101_coco/model.ckpt"
  from_detection_checkpoint: true
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
}

train_input_reader: {
  tf_record_input_reader {
    input_path: "/home/franciszek/Pobrane/models-master/research/object_detection/logo_detection/data2/train.record"
  }
  label_map_path: "/home/franciszek/Pobrane/models-master/research/object_detection/logo_detection/data2/label_map.pbtxt"
}

eval_config: {
  num_examples: 8000
  # Note: The below line limits the evaluation process to 10 evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: 10
}

eval_input_reader: {
  tf_record_input_reader {
    input_path: "/home/franciszek/Pobrane/models-master/research/object_detection/logo_detection/data2/test.record"
  }
  label_map_path: "/home/franciszek/Pobrane/models-master/research/object_detection/logo_detection/data2/label_map.pbtxt"
  shuffle: false
  num_readers: 1
}

在这里，您可以看到我在训练近 23 小时并达到超过 120k 步后得到的结果：

所以，我的问题是，为什么损失值会随着时间的推移而增加？它应该会变小或保持或多或少不变，但您可以在上面的图表中清楚地看到增加的趋势。我认为一切都已正确配置，我的数据集也相当不错（.tfrecord 文件也正确“构建”）。

为了检查这是否是我的错，我尝试使用其他人的数据集和配置文件。所以我使用了racoon 数据集作者的文件（他在他的 repo中提供了所有必要的文件）。我刚刚下载了它们并开始训练，没有进行任何修改，以检查我是否会得到与他相似的结果。

令人惊讶的是，经过 82k 步后，我得到的图表与链接文章中显示的完全不同（这是在 22k 步后捕获的）。在这里您可以看到我们的结果的比较：

显然，在我的 PC 上有些东西的工作方式有所不同。我怀疑这可能与我在自己的数据集上的损失越来越大的原因相同，这就是我提到它的原因。

标签： tensorflowobject-detectionloss-function

解决方案

是这totalLoss四个其他损失的加权和。（RPN cla 和 reg 损失，BoxCla cla 和 reg 损失），它们都是评估损失。在张量板上，您可以选中或取消选中以查看仅用于训练或仅用于评估的评估结果。（例如下图有火车总结和评价总结）

如果评估损失增加，这可能表明模型过拟合，此外，精度指标略有下降。

为了尝试更好的微调结果，您可以尝试调整四个损失的权重，例如，您可以增加权重，BoxClassifierLoss/classification_loss让模型更好地关注这个指标。在您的配置文件中，和的损失权重second_stage_classification_loss_weight均为first_stage_objectness_loss_weight1，而其他两个均为 2，因此该模型目前更关注其他两个。

关于为什么loss_1和loss_2相同的额外问题。这可以通过查看张量流图来解释。

这loss_2是 , 的摘要total_loss（注意这个 total_loss 与 totalLoss 不同），红圈节点是 tf.identity 节点。该节点将输出与输入相同的张量，因此loss_1与loss_2

tensorflow - 经过一段时间的训练，训练损失值在增加，但模型检测到的对象很好

问题描述

解决方案

推荐阅读