作者：Slav Ivanov
编译：ronghuaiyang

导读

大家都遇到过这种情况，训练的时候没什么问题，测试的时候就不对劲了，想找问题，感觉无处入手，那么今天，给你37个建议，看看再说吧。

这个网络在过去12个小时中一直在进行训练。一切看起来都很好：梯度在流动，损失在降低。但是接下来的预测结果是：所有都是0，所有都是背景，没有检测到任何东西。“我做错了什么？”—我问我的电脑，电脑没睬我。

你从哪里开始检查你的模型是否正在输出垃圾(例如预测所有输出的平均值，或者它的准确性非常差)？

由于一些原因，网络可能不会进行训练。在许多调试的过程中，我经常发现自己在执行相同的检查。我把我的经验和最好的想法整理在这个方便的列表里。我希望它们对你也有用。

0. 如何使用这个指南？

很多事情都可能出错。但其中一些更有可能出现问题。我通常以这张简短的清单作为紧急第一反应：

1. 从一个已知对这类数据有效的简单模型开始(例如，图像的VGG)。如果可能的话，使用标准的损失。
2. 关闭所有花哨的功能，例如正则化和数据扩充。
3. 如果对模型进行finetune，请仔细检查预处理，因为预处理应该与原始模型的训练相同。
4. 验证输入数据是否正确。
5. 从一个很小的数据集(2-20个样本)开始。对其进行过拟合，并逐渐添加更多数据。
6. 开始逐步添加所有遗漏的部分：增强/正则化，自定义损失函数，尝试更复杂的模型。

如果上面的步骤没有什么用，那么就从下面的列表开始，逐一验证。

I. 数据集的问题