yolo-tiny在训练过程中出现的loss不断下降，val_loss为nan的问题

yolo-tiny在训练过程中出现的loss不断下降，val_loss为nan的问题

在使用yolo-tiny模型训练自己的数据时，出现了这样的问题

找了很多博客没有找到解决方法，减小学习率增大batch_size等等通通不管用

loss下降，val_loss下降：训练网络正常，最好情况。

loss下降，val_loss稳定：网络过拟合化，可以使用正则化和Max pooling。

loss稳定，val_loss下降：数据集有严重问题，建议重新选择。

loss稳定，val_loss稳定：学习过程遇到瓶颈，需要减小学习率或批量数目，可以减少学习率。

loss上升，val_loss上升：网络结构设计问题，训练超参数设置不当，数据集经过清洗等问题，最差情况

后来看到了这个，想了下，可能原因是我的数据集太小了，总共只有300张图片，8成测试也就是200多张，导致模型过拟合了…
还没找打解决方法，准备试试增加数据集会怎么样

在tiny中，第一轮是冻结前42层，训练高维度特征，猜想有可能是因为图片没有高维度特征导致的，第二轮训练正常
可以通过舍弃预训练权重解决这个问题。
哪位大神要是知道其他的什么原因请一定告诉我

注：给自己记一下这个

val_loss是验证集上的损失值，
val_acc是验证集上的准确率，
train_loss是训练集上的误差
test_loss是测试集上的损失。
train loss 不断下降，test loss不断下降，说明网络仍在学习;
train loss 不断下降，test loss趋于不变，说明网络过拟合;
train loss 趋于不变，test loss不断下降，说明数据集100%有问题;
train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;
train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题。