hourglass训练出现acc是nan的情形

1、在训练hourglass和Pyranet的时候都会出现训练的时候acc会nan，why?

根据acc的代码，只有在分母为0的时候才会出现Nan的情形，以coco为例，badIdxCount是17，造成nan。

为什么badIdxCount会是17呢？

返回的全是-1，为什么会返回全是-1？

只能是给出的17个部位的标签全部是1引起来的，为什么全是1，原因是因为17张map图都是0,值，原因在于很多coco的标注点特别接近边缘，再进行旋转缩放的时候很容易把标注点切掉，特别对于只有一个标注点的样本，所以就会出现出来的图像没有标注点，17个通道的target都是0值，从而导致最后的nan得情况，但是注意这只是在batchsize=1的情况下才会出现这种情况

batchsize>1，就很少可以说不会出现这种情况。why?

原因是因为batchsize>1的清醒下，依次输入网络是好几张图片一起，以PyraNet为例

如果batchsize为3的话

对应的输入，输出，target的大小如下

相应的输出代码

         print('input')
         print(self.input:size())
         print(self.input:type())
         print('output')
         print(#output)
         print(output)
         print('target')
         print(#self.target)
         print(self.target)

对于batchsize大于1的情形，因为是连续的n张一起做测评，所以几乎不可能说n张图片都是一个标注点都不存在，这样的概率很低很低，至少在batchsize>1的条件下进行训练的时候发现没有nan的情形出现

2、

size = self.iters * self.batchsize

训练的一个epoch是batchsize*迭代的次数之积