8个计算机视觉深度学习中常见的Bug

_ = plt.plot(losses)  

曲率看起来很好，但是交叉熵的损失值-300是不可预料的。是什么问题?

归一化处理图像效果很好，但是mask没有：需要手动缩放到 [0,1]。

model_b = UNet(3, 1)  

optimizer = torch.optim.Adam(model_b.parameters(), lr=1e-3) 

losses = [] 

for t in tqdm(range(20)): 

 loss = criterion(model_b(img), mask / 255.) 

 losses.append(loss.item())  

 optimizer.zero_grad() 

 loss.backward() 

 optimizer.step() 

_ = plt.plot(losses) 

训练循环的简单运行时断言(例如 assertmask.max()<=1会很快检测到问题。同样，也可以是单元测试。

总结

测试很有必要

运行时断言可以用于训练的pipeline;

可视化是一种幸福

复制粘贴是一种诅咒

没有什么是灵丹妙药，一个机器学习工程师必须总是小心(或只是受苦)。 

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!