banxia1995的博客

在我的问题中，我刚开始使用的初始化函数是 tf.truncated_normal,与random_normal 函数不同，truncated_normal的范围限制在两个标准差之间，会把不符合条件的随机数丢弃。当我将初始化函数换做tf.random_normal之后效果并没有好转，分析了原因，是因为我设置的每一层的权重初始化值都是tf.random_normal(shape, 0.0, 0.1...

训练FCN-VGG16s网络，使用的自己的数据集，在F1值达到0.6之后，一直没有变化，调节超参数一点作用都没有用，训练结果如下所示：检查每一层的gradients，发现如下情况：upscore的两层upfilters的趋势不对。检查了网络定义的地方，发现如下情况：get_deconv_filter函数里面添加了如下两行：# init = tf.truncat...

出现这种错误，只有两种情况：1.函数的返回值就是空的2.函数有返回结果，就是None3.判断语句没有写好导致。

导入预训练保存的npy文件，在验证集上验证之后，结果全为0，如下所示：根本就没有用到npy文件的参数，保存npy文件时的准确率是[0.40708093109416515, 0.725117621973812, 0.5214307259199678]检查之后发现保存的npy文件中有些参数没有保存，所以导致导入过程中出现参数匹配不上的问题。...

本人使用的是FCN-VGG16网络，出现的问题是随着训练次数的增加，F1值会下降，并且有时候会一直下降，如下图所示。这个问题一直没有找到原因，虽然histogram一直都有显示是在学习，下图为histogram图：...

array_prob = np.array(prob_pixel)print('the reshape prob ',array_prob.shape)array_prob=array_prob.reshape(array_prob[0]*array_prob[1],array_prob[2],array_prob[3])出现如上错误，TypeError: only integer ...

我是根据tesorflow平台的fcn-vgg16进行修改，修改为两分类，出现训练结果如下所示：并且输出结果的hostogram如下：出现的问题：1. 如果学习率比较大的话，histogram就会变成高斯分布，结果如下：造成这个的原因还没找到，希望能了解的朋友指点一下。2.网络训练之后出现的结果一直都没有变过，根本就没有学习，训练结果如下所示：[0.023...

>>> a = numpy.array([1, 2, 3, 4], dtype=numpy.float64)>>> aarray([ 1., 2., 3., 4.])>>> a.astype(numpy.int64)array([1, 2, 3, 4])

出现如下错误：Traceback (most recent call last): File "/data2/test/cxj/fcn_vgg16/test_fcn16_vgg.py", line 134, in <module> loss, optimizer, fcn_prob,fcn_pred,fcn_pred_up,lr = train_net(vgg_fcn=...

在linux下运行fcn出现failed to allocate错误，可以从如下几个方面提高GPU的利用率：1.reduce your batch size2 .use memory growing:config = tf.ConfigProto()config.gpu_options.allow_growth = Truesession = tf.Session(config...

运行train.py文件时出现如下问题：ImportError: /data2/test/cxj/FastMaskRCNN/train/../libs/boxes/cython_nms.so: cannot open shared object file: No such file or directory首先采用的是使用cython将py文件编译成so文件的办法，一共有以下三个步骤：...

参考文章：https://blog.csdn.net/jk981811667/article/details/78913973/使用tensorflow自带的debug很方便，run –f has_inf_or_nan 查看网络中产生的nan或者0值如上显示的是出现nan值的tensor，可以打印出该tensor的array值查看nan值出现的原因，使用使用ni conv4...

自己创建的fcn网络，只有6层，训练的时候遇到太多的坑，记录如下：1.loss值爆炸，甚至为NAN值，结果如下所示策略：降低学习率2.学习率调整之后，出现结果如下：epoch=0,i=30076 of 78989, loss=798.504578epoch=0,i=30077 of 78989, loss=798.504578epoch=0,i=30078 of ...

继续训练fcn网络，loss值有变化，但是acc值为0，显示结果如下：说明该网络没有真正的在训练，需要另外调整参数。

继续上一篇的问题，上一篇的训练结果都建立在数据先进行了normalized之后的结果，这一次尝试一下先不进行归一化数据，查看一下训练结果，结果显示如下：epoch=0,i=14006 of 78989, loss=798.504578epoch=0,i=14007 of 78989, loss=798.504578epoch=0,i=14008 of 78989, loss=798.504...