我正在训练一个模型，用于从图像中分割机器打印的文本。图像可能还包含条形码和手写文本。处理地面实况图像，使0代表机器打印，1代表剩余。我正在使用5层CNN进行扩张，最后输出2张地图。
我的损失按如下方式计算：
def loss(logits, labels):
logits = tf.reshape(logits, [-1, 2])
labels = tf.reshape(labels, [-1])
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels)
cross_entropy_mean = tf.reduce_mean(cross_entropy, name='cross_entropy')
我有一些图片只包含手写文字，相应的基本事实是空白页面，用1表示。
当我训练模型时，对于这些图像，我得到0的损失和100％的训练准确度。它是否正确？这种损失怎么可能为零？ 对于包含条形码或机器打印的其他图像，我会得到一些损失并且它们正在正常聚合。
当我测试此模型时，条形码被正确忽略。但它只输出机器打印和手写文本，我只需要机器打印。
有人可以指导我出错的地方吗？
更新1：
我之前使用的学习率为0.01，并将其更改为0.0001给了我一些损失，它似乎收敛但不是很好。 但是，那么高学习率如何会导致0的损失？
当我在Caffe中使用相同模型且学习率为0.01时，它会产生一些损失，并且与Tensorflow相比收敛良好。
答案 0 :(得分：1)
您的损失计算看起来很好，但在您的情况下，零损失是很奇怪的。你尝试过学习率吗？也许减少它。我遇到了奇怪的损失值，降低了学习率对我有帮助。