caffe使用FCN时，训练loss总是保持不变的问题

本文主要是介绍caffe使用FCN时，训练loss总是保持不变的问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

使用原作者分享出来的FCN版本进行训练，如果直接使用.prototxt文件在caffe上训练，会出现loss基本保持不变的问题。

这种问题的产生是因为原作者搭建网络时设置的问题，即初始化的问题：

layer {
  name: "upscore_pool4"
  type: "Deconvolution"
  bottom: "fuse_pool4"
  top: "upscore_pool4"
  param {
    lr_mult: 0
  }
  convolution_param {
    num_output: 21
    bias_term: false
    kernel_size: 4
    stride: 2
  }
}

在定义Deconvolution层的时候

 param {
    lr_mult: 0  #不更新卷积核

  }

bias_term: false #不添加偏置

 convolution_param {
    num_output: 21
    bias_term: false
    kernel_size: 4
    stride: 2

  } #没有指定卷积核的初始化方式，即所有权值为默认值0

这种定义Deconvolution的方式会导致所有的输出feature map均为0.

所以如果是二分类问题，则

这篇关于caffe使用FCN时，训练loss总是保持不变的问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---