SSD-pytorch坑怎么解决

本篇内容介绍了“SSD-pytorch坑怎么解决”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

我在运行

python train.py

的时候，发现确实loss降的异常的快。
运行

python eval.py

的时候mAP是一个很接近0的数。

经过思考，发现问题出在原来博客的第4个点：
（下面这段是从原文中复制来的）

4.train.py代码中，在迭代过程中，每次执行batch张图片，通过images, targets = next(batch_iterator)读取图片时，如果next()中没有数据后会触发Stoplteration异常，使用下面语句替换 images, targets = next(batch_iterator)将解决这种异常问题。


while True:
    try:
        # 获得下一个值:
        images, targets = next(batch_iterator)
 
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

但是其实是不能够这样改的，这么改的思路是遇到了问题就跳过去，这样很明显是不可以的，会导致不断的跳出循环，没有在进行有效的train，所以loss会降得很快，最后的结果也不好。

解决方案

这个问题出现的原因是dataloader导入数据之后经过了一轮的迭代，再次导入的时候发现没有数据了，也就是iterable完成之后，触发了StopIteration，然后跳出了循环。

既然再次导入的时候没有数据了，那我们就再用一个dataloader就行了。

将train.py（165行）的

images, targets = next(batch_iterator)

更改成：

try:
	images, targets = next(batch_iterator)
except StopIteration:
	batch_iterator = iter(data_loader)
	images, targets = next(batch_iterator)

问题解决。

“SSD-pytorch坑怎么解决”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！