令人烦躁的深度学习的坑

前言

我本为了完成一个科研小项目，从只懂python基本语法的状态入手，完成了一个利用深度学习目标检测的小项目，都说深度学习算法多么多么难，但如果只考虑应用其实上手也挺快的，不过在此过程中真正让人觉得烦躁、浪费大量时间的反而不是算法而是其他的一些东西。

环境配置坑

Anaconda安装

虽然说安装指引建议不要打勾，一般还是打勾比较好，不然就要自己去编辑环境变量。

Cuda安装

如果这里的当前版本比新版本更新，一定要把勾去掉。

训练坑

图片标注

一定要把图片中所有的目标都标注了，哪怕目标被其他东西遮挡了也要标。实践证明，漏标、误标严重影响了模型的结果的准确率。标注绝对是一个体力活，长时间在电脑前，而且图片看多了很容易疲劳，导致漏标、误标，时间允许的话最好标注完了先放2天，再自查一遍有没有错标和漏标。

训练集、验证集、测试集

训练集很好理解，验证集和测试集其实可以合二为一。比如我训练好了之后马上就从现场拍了一段视频来测试模型的识别效果，这种情况下就没必要再弄一个测试集，就分成训练集和验证集就OK。

关于loss和val_loss

一般有几种情况：1、