目前遇到了造成该现象的两种原因:
1、交叉熵和Softmax的错误使用
该问题我已经总结在另一篇文章了:paddle:使用CrossEntropyLoss作为loss,训练时loss不下降?,注意paddle和pytorch的api很像,所以见一知二,自己推广。
原因在于CrossEntropyLoss函数实际上内置了LogSoftmax 和 NLLLoss,也就是你一旦使用CrossEntropyLoss,在计算预测值和标签值时就会自动帮你将预测值给LogSoftmax 和 NLLLoss。
但当我们再在模型里最后一层加上Softmax,那就相当于输出值在模型里推理时,被Softmax一遍,当使用输出计算loss又被LogSoftmax 和 NLLLoss一遍,此时计算的loss就很小很小,导致没有梯度,故出现训练没用的效果。
实际上定义分类模型时,输出的时候不需要softmax,当eval时需要人为对输出进行softmax,当训练时因为使用交叉熵,故不用对输出进行softmax。
2、可能是开始的正常波动
如下图所示,在epoch=4之前,精度是不变的,且loss也不变,但是之后就正常训练了,所以要有耐心多训练会儿。
当然猜测是开始时梯度和lr都太小,想要立竿见影可以调大lr试试。