训练结果准确度无法提升问题请教？

[YDS-FOREVER]

训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？
训练数据使用bird，过程数据如下：

epoch	train_acc	train_loss
3	0.3504	5.3009
4	0.317	5.3007
51	0.367	5.2985
52	0.4171	5.2985

我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：

   out = self.conv1(x)
    out = self.bn1(out)
    out = self.relu(out)
    out1 = out

    out = self.conv2(out)
    out = self.bn2(out)
    out = self.relu(out)

    if self.use_bp:
       #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？
        out2 = out[:, :32, :, :]
        bilinear_features = self.bilinear_pooling(out1, out2)
        return out1, out2, bilinear_features

[TIan1874]

训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？
训练数据使用bird，过程数据如下：

epoch train_acc train_loss
3 0.3504 5.3009
4 0.317 5.3007
51 0.367 5.2985
52 0.4171 5.2985
我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：

   out = self.conv1(x)
    out = self.bn1(out)
    out = self.relu(out)
    out1 = out

    out = self.conv2(out)
    out = self.bn2(out)
    out = self.relu(out)

    if self.use_bp:
       #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？
        out2 = out[:, :32, :, :]
        bilinear_features = self.bilinear_pooling(out1, out2)
        return out1, out2, bilinear_features

1）经过多次重复实验，代码没有问题，请检查数据集或环境是否有误；
2）训练结果请参考论文；
3）这里输出前32通道是参考的其他代码，具体请见WS_DAN

[wangshouxu]

训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？ 训练数据使用bird，过程数据如下：

epoch train_acc train_loss
3 0.3504 5.3009
4 0.317 5.3007
51 0.367 5.2985
52 0.4171 5.2985
我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：

   out = self.conv1(x)
    out = self.bn1(out)
    out = self.relu(out)
    out1 = out

    out = self.conv2(out)
    out = self.bn2(out)
    out = self.relu(out)

    if self.use_bp:
       #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？
        out2 = out[:, :32, :, :]
        bilinear_features = self.bilinear_pooling(out1, out2)
        return out1, out2, bilinear_features

同样的情况，训练数据集是Cars，第一个epoch是0.6%，30个epoch时准确率0.83%损失6.12基本不变化了，也是感觉没学习到，数据集检查过没问题，也用这个数据集训练过其他代码，请问您的问题解决了么？

[TIan1874]

训练了53个epoch，测试准确度还是只有0.39%，第1个epoch的时候准确度就是0.4多。说明真个训练网络都没有学习到。想问下我们这工程是论文官方的工程代码吗？是否能给出我们训练的结果？ 训练数据使用bird，过程数据如下：
epoch train_acc train_loss
3 0.3504 5.3009
4 0.317 5.3007
51 0.367 5.2985
52 0.4171 5.2985
我觉得好奇的是我们网络为啥会丢掉一些卷积层的输出信息，位置如下Bottleneck：

   out = self.conv1(x)
    out = self.bn1(out)
    out = self.relu(out)
    out1 = out

    out = self.conv2(out)
    out = self.bn2(out)
    out = self.relu(out)

    if self.use_bp:
       #丢掉了out的32以后的所有通道，请问这样子构建的吗，为啥不直接self.conv2就构建32通道输出？
        out2 = out[:, :32, :, :]
        bilinear_features = self.bilinear_pooling(out1, out2)
        return out1, out2, bilinear_features

同样的情况，训练数据集是Cars，第一个epoch是0.6%，30个epoch时准确率0.83%损失6.12基本不变化了，也是感觉没学习到，数据集检查过没问题，也用这个数据集训练过其他代码，请问您的问题解决了么？

1）经过多次重复实验，代码没有问题，请检查数据集或环境是否有误；
2）bird测试结果如下：
epoch, test_acc,test_loss
0, 59.6479,2.4731
1, 75.5264,1.8175
2, 79.6686,1.5639
3, 82.4991,1.4433
4, 83.2758,1.3779
...
91, 87.6079,0.9748
92, 88.2637,0.9728
93, 87.8840,0.9739

[xiaoweidao]

你好，我复现的时候准确率也是学习不上去，请问你解决了吗？