Pytorch训练SSD网络时遇到的问题

当我使用大神利用pytorch复现的SSD网络进行训练时，遇到如下问题：

1、loss突然变为NAN

问题分析及解决方案：由于我的显存只有4G，因此将默认的batch_size由32改为了2。在batch_size减小的情况下，应适当减小学习率，即可解决问题。比较合适的组合如下：

batch_size=32    lr=1e-3

batch_size=8    lr=1e-4

batch_size=2    lr=1e-5

2、Stop Iteration（自动跳出迭代）

#使用如下代码代替：images, targets = next(batch_iterator)
try:
    images, targets = next(batch_iterator)
except StopIteration:
    batch_iterator=iter(data_loader)
    images, targets = next(batch_iterator)

3、loss_c[pos] = 0，提示Pos与loss_c形状不匹配

#在loss_c[pos]=0前添加如下代码，改变loss_c形状
loss_c = loss_c.view(pos.size()[0],pos.size()[1])

4、在GPU下执行webcam demo

源码中live.py文件默认只能在cpu下执行，如果想要在gpu下执行，则需要修改如下几处代码:

    #1、新增代码：创建网络对象net后，将其转移到gpu上
        if args.cuda > 0:
             net.cuda()

    # 2、修改代码：将 cv2_demo(net.eval(), transform)改为如下代码
         with torch.no_grad():
             cv2_demo(net.eval(), transform)

    #3、新增代码：在函数predict里的x = Variable(x.unsqueeze(0))代码后新增如下代码，将输入转移到gpu上计算
        if args.cuda > 0:
            x = x.cuda()

    #4、ssd.py文件中detect函数的输入self.priors.type(type(x.data)) 改为如下代码
        self.priors.type_as(x)

参考：https://blog.csdn.net/dingkm666/article/details/88775428