Question

我的深度学习模型用于分割CT图像。但是损失值总是很高。为了调试程序，我使用相同的输入图像来观察输出，并且10次迭代的损耗值都相同，这意味着网络的参数完全没有变化。你能告诉我为什么我的模型不能训练吗？是我没有使用DataFrame方法的原因吗？代码如下：

for ite in range(iteration):
    print("=====iteration", ite, "=======")
    weights = few_shot_model.conditioner(condition_input)
    output = few_shot_model.segmentor(query_input, weights)
    # out = F.softmax(output, dim=1)
    print("out.shape, y2.shape:", output.shape, y2.shape)
    print("y2.unique:", torch.unique(y2))
    loss = loss_func(output, y2, binary=True)
    optim_s.zero_grad()  # clear gradients for this training step
    optim_c.zero_grad()  #
    loss.backward()  # backpropagation, compute gradients
    if phase == 'train':
        if epoch <= warm_up_epoch:
            optim_s.step()  # apply gradients
            optim_c.step()
            scheduler_c.step()
            scheduler_s.step()
        elif epoch > warm_up_epoch and change_model:
            optim_n.step()
        print("loss.item", loss.item())

为什么我的深度学习模型不能在10次迭代中进行训练？

0 个答案: