batchnorm BN无法更新保存参数 moving_mean/variance

在复现resnetv2的时候遇到了BN保存的问题,直接导致的结果就是训练集收敛很快,测试集准确率上升缓慢甚至上不去。查解决方案的时候看到网上也同样有不少同道中人,如果你试了很多方法还不管用,建议你试试本文所述的。

1.官方提示你可以点进batchnorm查看,它说让添加如下代码来保存BN参数:

update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
    with tf.control_dependencies(update_ops):
	    train_op = opt.minimize(loss, global_step=global_step)

2.如果添加了该部分代码仍然存在之前的现象,建议多跑几轮,因为:

# Note: the validation error is erratic in the beginning (Maybe 2~3k steps).
# This does NOT imply the batch normalization is buggy.
# On the contrary, it's BN's dynamics: moving_mean/variance are not estimated that well in the beginning.

 

3.如果你是调成is_train=True结果正常,而false就不正常,建议创建2个graph,一个用于训练,一个用于验证。部分网络还有reuse的参数,正确的设置方法应该是在训练的时候is_train=true, reuse=false; 在跑验证集的时候, is_train=false, reuse=true; 在跑测试集的时候, is_train=false, reuse=false。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值