遇到的问题 当时自己在使用Alexnet训练图像分类问题时，会出现损失在一个epoch中增加，换做下一个epoch时 loss 会骤然降低，一开始这个问题没有一点头绪，我数据也打乱了，使用的是tf.train.shuffle_batch 在capacity中设置一个 值 ，比如是1000吧，每次取一千个数据后将这一千个数据打乱，本次使用的数据集就是每个种类1000多，而我加载数据时是一类一类加载的，这就造成了每一批次的开始可以跟前一类数据做打乱处理，但是在中间数据并不能达到充分的shuffle 在加载数据集的时候用numpy中的shuffle将数据集充分的打乱后在读入tfrecord中，之

Accuracy 、ErrorRate、Presion、Recall、AP、mAP、F1 score、F1 MACRO的理解 Accuracy （精度）和Error Rate（错误率） 是分类模型中最常见的两种性能度量指标，既适用于二分类任务，也适用于多分类任务。 对于分类模型 f 和大小为 n测试集 D， Accuracy 的定义为： Accuracy (f;D)=1n∑i=1n(f(xi)=labeli) Accuracy (f;D)=\frac{1}{n}\sum_{i=1}^n(f(x_i)=label_i) True Positive(真正，TP)：将正类预测为正类数 True Negative(真负，TN)：将负类预测为负类数 False Positive(假正，FP)：将负类预测为正类数→误报 (Type I error) False Neg...

loss = nan 把学习率调小，甚至调到0，观察 loss ， loss 此时不应该为nan了，因为整个网络都不更新了 可能和网络初始化有关，贾洋清说初始化不好，lr=0.0001都可能很大了。。。 也有人说手动试多种初始化参数，把bias调0.1 再给个github的链接 https://github.com/BVLC/ caffe /issues/409#issuecomment-42977

在 PyTorch 1.13 中启用 BUILD_ CAFFE 2=1 的方法如下： 1. 在编译 PyTorch 时使用环境变量 BUILD_ CAFFE 2 来指定是否启用 Caffe 2 支持。例如，在 Linux 或 MacOS 中，可以使用以下命令行来编译 PyTorch： BUILD_ CAFFE 2=1 python setup.py install 2. 在代码中导入 PyTorch 中的 Caffe 2 模块。例如，可以使用以下代码来导入 Caffe 2 模块： ```python import torch. caffe 2 注意：启用 BUILD_ CAFFE 2=1 后，PyTorch 会在编译时包含 Caffe 2 的源代码，并且 PyTorch 的安装包体积会增大。