训练FCN-VGG16，F1值到了0.60固定值之后不上升情况

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.truncated_normal(shape=weights.shape,mean=0.0,stddev=0.001)
# bilinear_weights = self.get_var(init,name,0,name+'_upfilters')

get_deconv_var函数里面也有初始化代码，如下所示：

initial_value1 = self.get_deconv_filter(filter_shape, upscale_factor,name)
# weights = self.get_var(initial_value1, name, 0, name + "_weights")
weights = self.get_var(initial_value1, name, 0, name + "_weights")

有可能造成upscore层的重复，导致会有两个upscore的权重和偏置，需要进行验证。