深度学习训练时网络不收敛的原因分析总结

痛定思痛。 2022-05-16 12:11 191阅读 0赞

很多同学会发现，为什么我训练网络的时候loss一直居高不下或者准确度时高时低，震荡趋势，一会到11，一会又0.1，不收敛。 又不知如何解决，博主总结了自己训练经验和看到的一些方法。

首先你要保证训练的次数够多，不要以为一百两百次就会一直loss下降或者准确率一直提高，会有一点震荡的。只要总体收敛就行。若训练次数够多（一般上千次，上万次，或者几十个epoch）没收敛，则试试下面方法：

## **1. 数据和标签** ##

数据分类标注是否准确？数据是否干净？数据库太小一般不会带来不收敛的问题，只要你一直在train总会收敛（rp问题跑飞了不算）。反而不收敛一般是由于样本的信息量太大导致网络不足以fit住整个样本空间。样本少只可能带来过拟合的问题

## 2. 学习率设定不合理 ##

在自己训练新网络时，可以从0.1开始尝试，如果loss不下降的意思，那就降低，除以10，用0.01尝试，一般来说0.01会收敛，不行的话就用0.001. 学习率设置过大，很容易震荡。不过刚刚开始不建议把学习率设置过小，尤其是在训练的开始阶段。在开始阶段我们不能把学习率设置的太低否则loss不会收敛。我的做法是逐渐尝试，从0.1,0.08,0.06,0.05 ......逐渐减小直到正常为止，

有的时候候学习率太低走不出低估，把冲量提高也是一种方法，适当提高mini-batch值，使其波动不大。,

## ** 3.网络设定不合理** ##

如果做很复杂的分类任务，却只用了很浅的网络，可能会导致训练难以收敛，换网络换网络换网络，重要的事情说三遍，或者也可以尝试加深当前网络。

## 4.数据集label的设置 ##

检查lable是否有错，有的时候图像类别的label设置成1，2，3正确设置应该为0,1,2。

## 5、改变图片大小 ##

博主看到一篇文章，说改变图片大小可以解决收敛问题，具体博主没试过，只看到有这个方法，具体文章链接：[卷积神经网络/CNN/深度学习在做分类训练时不收敛的解决方案\_我的一片小天地----FD-CSDN博客][CNN_----FD-CSDN]

感兴趣的可以去看看。

## 6、数据归一化 ##

神经网络中对数据进行归一化是不可忽略的步骤，网络能不能正常工作，还得看你有没有做归一化，一般来讲，归一化就是减去数据平均值除以标准差，通常是针对每个输入和输出特征进行归一化

**最后打个广告，自己开源了一些常用的python脚本，有需要的欢迎star。这些都是平时计算机视觉领域工作中需要用到的一些脚本，**

[GitHub - EvaceLi/dl\_common\_script: 深度学习常用的脚本，比如公共数据集（Tusimple,VOC等）的转换(xml2json,json2xml,yolo2voc)，读取视频，分离训练验证集等][GitHub - EvaceLi_dl_common_script_ _Tusimple_VOC_xml2json_json2xml_yolo2voc]

[CNN_----FD-CSDN]: https://blog.csdn.net/Fighting_Dreamer/article/details/71498256
[GitHub - EvaceLi_dl_common_script_ _Tusimple_VOC_xml2json_json2xml_yolo2voc]: https://github.com/EvaceLi/dl_common_script