图像分类。验证损失在初始训练期间卡住(v1)
Posted
技术标签:
【中文标题】图像分类。验证损失在初始训练期间卡住(v1)【英文标题】:Image Classification. Validation loss stuck during training with inception (v1) 【发布时间】:2018-01-12 10:51:35 【问题描述】:我已经构建了一个包含 4 个类的小型自定义图像分类训练/验证数据集。 训练数据集有大约 110.000 张图像。 验证数据集有大约 6000 张图像。
我遇到的问题是,在训练期间,训练准确度(以最后一次训练样本的平均准确度衡量)和训练损失均有所提高,而验证准确度和损失保持不变。
这仅在我使用 inception 和 resnet 模型时发生,如果我在相同的训练和验证数据上使用 alexnet 模型,验证损失和准确性会提高
在我的实验中,我通过从tensorflow.contrib.slim.nets 导入几个卷积架构来使用它们
代码组织如下:
...
images, labels = preprocessing(..., train=True)
val_images, val_labels = preprocessing(..., train=False)
...
# AlexNet model
with slim.arg_scope(alexnet.alexnet_v2_arg_scope()):
logits, _ = alexnet.alexnet_v2(images, ..., is_training=True)
tf.get_variable_scope().reuse_variables()
val_logits, _ = alexnet.alexnet_v2(val_images, ..., is_training=False)
# Inception v1 model
with slim.arg_scope(inception_v1_arg_scope()):
logits, _ = inception_v1(images, ..., is_training=True)
val_logits, _ = inception_v1(val_images, ..., is_training=False, reuse=True)
loss = my_stuff.loss(logits, labels)
val_loss = my_stuff.loss(val_logits, val_labels)
training_accuracy_op = tf.nn.in_top_k(logits, labels, 1)
top_1_op = tf.nn.in_top_k(val_logits, val_labels, 1)
train_op = ...
...
我没有使用单独的 eval 脚本,而是在每个 epoch 结束时运行验证步骤,并且出于调试目的,我正在运行早期 val 步骤(在训练之前)并检查训练通过平均最后 x 步的训练预测来提高准确性。
当我使用 Inception v1 模型(注释掉 alexnet 模型)时,记录器在 1 个 epoch 后输出如下:
early Validation Step
precision @ 1 = 0.2440 val loss = 1.39
Starting epoch 0
step 50, loss = 1.38, training_acc = 0.3250
...
step 1000, loss = 0.58, training_acc = 0.6725
...
step 3550, loss = 0.45, training_acc = 0.8063
Validation Step
precision @ 1 = 0.2473 val loss = 1.39
如图所示,训练准确率和损失在一个 epoch 后有很大提高,但验证损失完全没有变化。这已经测试了至少 10 次,结果总是一样的。我会理解验证损失是否由于过度拟合而变得更糟,但在这种情况下它根本没有改变。
为了排除验证数据的任何问题,我还在使用 AlexNet 的 slim 实现进行训练时展示了结果。使用 alexnet 模型进行训练会产生以下输出:
early Validation Step
precision @ 1 = 0.2448 val loss = 1.39
Starting epoch 0
step 50, loss = 1.39, training_acc = 0.2587
...
step 350, loss = 1.38, training_acc = 0.2919
...
step 850, loss = 1.28, training_acc = 0.3898
Validation Step
precision @ 1 = 0.4069 val loss = 1.25
使用 alexnet 模型时,训练和测试数据中的准确性和验证损失都得到了正确的提高,并且在随后的 epoch 中不断提高。
我不明白问题的原因是什么,以及为什么它在使用 inception/resnet 模型时出现,但在使用 alexnet 训练时却没有。
有人有想法吗?
【问题讨论】:
【参考方案1】:通过论坛搜索,阅读各种帖子并进行实验后,我找到了问题的根源。
使用基本上从另一个示例中回收的 train_op 是问题所在,它在 alexnet 模型上运行良好,但由于缺少批量标准化更新而无法在其他模型上运行。
为了解决这个问题,我不得不使用任何一个
optimizer = tf.train.GradientDescentOptimizer(0.005)
train_op = slim.learning.create_train_op(total_loss, optimizer)
或
train_op = tf.contrib.layers.optimize_loss(total_loss, global_step, .005, 'SGD')
这似乎处理了正在完成的批处理规范更新。
由于移动平均值更新缓慢,问题仍然存在于短期训练运行中。
默认的 slim arg_scope 的衰减设置为 0.9997,这是稳定的,但显然需要许多步骤才能收敛。使用相同的 arg_scope 但将衰减设置为 0.99 或 0.9 在这个简短的训练场景中确实有帮助。
【讨论】:
【参考方案2】:您似乎正在使用 logits 来计算验证损失;使用预测,它可能会有所帮助。
val_logits, _ = inception_v1(val_images, ..., is_training=False, reuse=True)
val_logits = tf.nn.softmax(val_logits)
【讨论】:
损失是使用tf.nn.sparse_softmax_cross_entropy_with_logits计算的,它使用unscaled logits,内部执行softmax。以上是关于图像分类。验证损失在初始训练期间卡住(v1)的主要内容,如果未能解决你的问题,请参考以下文章
训练期间接近 100% 的准确率,但在图像分类器的测试/验证期间 <50%