为什么训练Unet网络的时候使用fit_generator训练时loss根本不下降，但是用fit时loss却会下降

最新推荐文章于 2025-02-20 22:00:46 发布

fK0pS

最新推荐文章于 2025-02-20 22:00:46 发布

阅读量3.3k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/Hodors/article/details/97617295

Python 专栏收录该内容

75 篇文章

订阅专栏

博主在使用fit_generator进行模型训练时遇到loss不下降的问题，在调整为使用fit方法后，发现loss能够正常下降。本文记录了这一现象并计划后续深入探究其原因。

如题，这是目前博主遇到的一个问题，

参数如下

loss不会下降

model.fit_generator(myGene,steps_per_epoch=500,epochs=100,callbacks=[model_checkpoint],shuffle=True)

loss会下降

hist=model.fit(imgs_train, labs_train, batch_size=Bch_Sz, nb_epoch=100, initial_epoch=0,  validation_split=0.2, verbose=1, shuffle= True,callbacks=[model_checkpoint])

先挖个坑，等以后发现了问题的原因后再来填坑

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

fK0pS

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
4
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

GAN的Loss为什么降不下去

Jiashilin

05-16

3万+

为什么GAN的Loss一直降不下去。GAN到底什么时候才算收敛？其实，作为一个训练良好的GAN，其Loss就是降不下去的。衡量GAN是否训练好了，只能由人肉眼去看生成的图片质量是否好。不过，对于没有一个很好的评价是否收敛指标的问题，也有许多学者做了一些研究，后文提及的WGAN就提出了一种新的Loss设计方式，较好的解决了难以判断收敛性的问题。下面我们分析一下GAN的Loss为什么降不下去？生...

UNet：UNet模型的训练与调参技巧_2024-07-24_09-30-22.Tex

热门推荐

currycode

04-10

15万+

链接：https://blog.ailemon.me/2019/02/26/solution-to-loss-doesnt-drop-in-nn-train/ 当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一...

unet分割如何取其中一类,Keras模型-Unet图像分割

weixin_39608116的博客

12-29

205

I am attempting to recreate a UNet using the Keras model API, I have collected images of cells, and the segmented version of it and I am attempting to train a model with it. In doing so I could upload...

unet网络python代码详解_Keras:Unet网络实现多类语义分割方式

weixin_36463292的博客

01-14

1231

1 介绍u-net最初是用来对医学图像的语义分割，后来也有人将其应用于其他领域。但大多还是用来进行二分类，即将原始图像分成两个灰度级或者色度，依次找到图像中感兴趣的目标部分。本文主要利用u-net网络结构实现了多类的语义分割，并展示了部分测试效果，希望对你有用！2 源代码(1)训练模型from __future__ import print_functionimport osimport date...

使用Unet训练自己的模型

李鑫玉的博客

05-16

6781

从github上下载代码：https://github.com/zhixuhao/unet 制作自己的数据集 1、将数据由24位深度改为8位： import os import glob import cv2 def to_gray(img,outdir): src = cv2.imread(img) try: dst = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY) cv2.imwrite(os.path.joi.

unet训练

weixin_43886213的博客

11-14

2243

paper的地址https://arxiv.org/abs/1505.04597 我的GitHub地址在这里 unet的网络结构图知乎上面找的上图展示了网络结构，它由contracting path 和 expansive path组成。 contracting path是典型的卷积网络架构： • 架构中含有着一种重复结构，每次重复中都有2个 33 卷积层（无padding）、非线性ReLU...

UNet：FCN全卷积网络与UNet对比_2024-07-24_08-32-23.Tex

02-20

709

UNet是一种广泛应用于医学图像分割的卷积神经网络架构，由Olaf Ronneberger等人在2015年提出。UNet的创新之处在于它引入了跳跃连接（skip connection），这使得网络能够融合低层和高层的特征，从而在分割任务中保持细节信息。全卷积网络（Fully Convolutional Network, FCN）是一种用于图像分割的深度学习模型，它摒弃了传统卷积神经网络（CNN）中的全连接层，完全由卷积层和池化层组成。

Unet代码试运行

py_yangh的博客

09-16

1万+

研一刚开始，最近要用到FCN的网络结构，所以决定先跑通Unet代码，其中发现了各种各样的错误，踩了超级多的坑。此贴记录下第一次运行的过程，并且希望后来者能避免一些错误。 GitHub代码下载 GitHub下载地址https://github.com/zhixuhao/unet 解压压缩包的内容 data/membrane/train是训练集； data/membrane/test是测试集...

医学图像分割 unet实现(一)

normol的博客

02-27

4万+

这次实验用来学习unet网络实现图像分割(keras, backend: tensorflow)。数据集DRIVE：为眼部图像，目的是分割出眼部血管。数据集结构：上面分别是训练的原始图片images、first_manual、mask 整体流程： 1、前期准备：将所有图片写入h5文件，（为了后期训练网络时减少io时间） 2、训练网络 2.1、获取训练图片和groundtruth图片 ...

【如何有效降低unet网络在训练过程中的loss/train】

yym33的博客

06-03

3673

如何有效降低unet网络在训练中的loss值

【网络训练】网络训练时loss不下降的原因

weixin_30752699的博客

04-03

1447

1. 网络训练时train loss与test loss的结果分析: (1) train loss不断下降，test loss不断下降可能发生的原因：网络还在学习中，loss在稳步下降。 (2) train loss不断下降，test loss趋于不变可能发生的原因：网络出现过拟合的现象，因此在训练集上表现为网络仍在学习，但是test loss趋于不变说明...

Caffe 训练UNET中deconvolution层初始化困难问题

sudakuang的博客

03-25

1252

写在开头，珍爱生命，远离Caffe 在keras上做了一个很简单的分割任务，使用unet完成，基本上10个iteration之后accuracy就会到0.96，一个epoch之后accuracy达到0.99。需要在caffe上复现，但是效果一直不理想。 GitHub上下载了一个caffe版的unet，由于医学图像的格式不适合转成jpg，于是我用了hdf5层 layer { name: ...

损失一直是0.69

weixin_44020747的博客

12-29

2389

在进行UNet实验时，发生一件令人崩溃的事情，将CASIA1.0换成CASIA2.0时，仅仅换了个数据集！仅仅换了个数据集！仅仅换了个数据集！就出现了计算损失一直是0.69 经过多方查找，原因是loss函数的问题，我在网络输出之后加入了sigmoid激活函数，但是使用的loss函数是BCEWithLogitsLoss。而BCEWithLogitsLoss是BCELoss加上一个sigmoid函数，所以我把loss改为BCELoss之后loss就开始正常波动了！！！！！！！记录一下，虽然没有什么技术上的提

keras图像二分类Loss一直0.69

lx127372的博客

04-20

5508

最近做图像分类遇到了loss下降的0.69就不下降了，一直停在那里，acc在0.5左右。然后在网上查了很多资料，搞清楚了为什么会出现这种情况： https://www.jianshu.com/p/45c2180cab17 https://blog.youkuaiyun.com/weixin_40267472/article/details/82216668 https://zhuanlan.zhihu....

Unet项目解析(7): 模型编译-优化函数、损失函数、指标列表

沈春旭的博客

06-16

2万+

项目GitHub主页：https://github.com/orobix/retina-unet参考论文：Retina blood vessel segmentation with a convolution neural network (U-net)1. 模型编译model.compile(optimizer='rmsprop',loss='categorical_crossentropy',...

【图像分割】图像分割常用的损失函数

AI知识搬运工

07-08

1万+

图像分割常用的损失函数本文主要介绍医学图像中常用的损失函数，包括cross entropy, generalized dice coefiicients, focal loss等。一、cross entropy交叉熵图像分割中最常用的损失...

如何通过UNet训练分割模型

09-07

UNet是一种经典的用于图像分割的深度学习模型，它特别适合于处理像医学影像这样的高分辨率数据。以下是使用Keras库在Python中训练UNet的基本步骤： 1. **安装必要的库**：确保你已经安装了Keras（可以选择基于Tensorflow或PyTorch的版本），以及数据增强库（如`ImageDataGenerator`）。 2. **数据准备**：准备标注好的训练和验证图片数据集。这些数据应包含一对图像和相应的分割掩码。可以使用`ImageDataGenerator`来进行数据增强，增加模型的泛化能力。 3. **构建模型**： - 导入所需模块： ```python from keras.models import Model from keras.layers import Input, Conv2D, MaxPooling2D, UpSampling2D, Concatenate ``` - 创建U-Net结构： ```python def unet(input_size): inputs = Input(input_size) # ... 这里包含编码层（downsampling）和解码层（upsampling） output = Conv2D(1, (1, 1), activation='sigmoid')(outputs) # 输出层，激活函数通常是sigmoid，因为目标是二值分割 return Model(inputs=inputs, outputs=output) ``` 4. **模型编译**： ```python model = unet((input_height, input_width, channels)) # 输入尺寸 model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) ``` 5. **训练模型**： - 加载数据： ```python train_generator = data_generator_train(data_dir, batch_size, input_size) val_generator = data_generator_val(data_dir, batch_size, input_size) ``` - 训练： ```python history = model.fit(train_generator, steps_per_epoch=len(train_generator), epochs=num_epochs, validation_data=val_generator, validation_steps=len(val_generator)) ``` 6. **保存模型**：当训练完成后，你可以保存模型以便将来使用： ```python model.save('unet_model.h5') ```