关于refinedet-resnet

[pengfeidip]

您好，我在实现resnet的refinedet（pytorch）。但是几次迭代后，ODM模块的loss出现了nan。我在vgg-refinedet上测试没有这种情况，且性能良好，因此想知道是不是基于resnet的refinedet有什么特殊的地方？（比如vgg中的conv4和conv5中的归一化操作）

iter 10/120000 || ARM_L Loss: 3.0050 ARM_C Loss: 13.3785 ODM_L Loss: 3.3522 ODM_C Loss: 4.3170 || 
iter 20/120000 || ARM_L Loss: 4.4867 ARM_C Loss: 14.0901 ODM_L Loss: 4.0826 ODM_C Loss: 3.5513 || 
iter 30/120000 || ARM_L Loss: 2.7802 ARM_C Loss: 0.3611 ODM_L Loss: 2.4115 ODM_C Loss: 3.3172 || 
iter 40/120000 || ARM_L Loss: 3.6324 ARM_C Loss: 0.8211 ODM_L Loss: 2.7962 ODM_C Loss: 4.5152 || 
iter 50/120000 || ARM_L Loss: 2.9621 ARM_C Loss: 2.7995 ODM_L Loss: nan ODM_C Loss: 12.1341 || 
iter 60/120000 || ARM_L Loss: 2.9899 ARM_C Loss: 2.7789 ODM_L Loss: nan ODM_C Loss: 12.0717 || 

[pengfeidip]

@dd604 ，根据这个仓库的代码来看，好像refinedet-resnet 并没有什么特殊的地方....

[dd604]

你好，我这里对resnet101的处理是没有在conv4,5上增加其他的normalization，而是使用了batch norm，我看到官方的实现也是这样的。
我重构了一下工程，更新一下，目前我在320x320的上面是训练是没有问题，不过确实在后期偶尔会出现loss很大。在512x512上训练没有成功，后面是出现loss为nan的情况，我也在查找原因，如果你有发现也麻烦告诉我一声。

[dd604]

你好，训练coco loss为nan的情况已经解决了，希望对你能有所帮助。