本篇内容介绍了“SSD-pytorch坑怎么解决”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
成都创新互联专注于企业营销型网站建设、网站重做改版、淮阴网站定制设计、自适应品牌网站建设、H5页面制作、成都做商城网站、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为淮阴等各大城市提供网站开发制作服务。
我在运行
python train.py
的时候，发现确实loss降的异常的快。
运行
python eval.py
的时候mAP是一个很接近0的数。
经过思考，发现问题出在原来博客的第4个点：
（下面这段是从原文中复制来的）
4.train.py代码中，在迭代过程中，每次执行batch张图片，通过images, targets = next(batch_iterator)读取图片时，如果next()中没有数据后会触发Stoplteration异常，使用下面语句替换 images, targets = next(batch_iterator)将解决这种异常问题。 while True: try: # 获得下一个值: images, targets = next(batch_iterator) except StopIteration: # 遇到StopIteration就退出循环 break
但是其实是不能够这样改的，这么改的思路是遇到了问题就跳过去，这样很明显是不可以的，会导致不断的跳出循环，没有在进行有效的train，所以loss会降得很快，最后的结果也不好。
这个问题出现的原因是dataloader导入数据之后经过了一轮的迭代，再次导入的时候发现没有数据了，也就是iterable完成之后，触发了StopIteration，然后跳出了循环。
既然再次导入的时候没有数据了，那我们就再用一个dataloader就行了。
将train.py（165行）的
images, targets = next(batch_iterator)
更改成：
try: images, targets = next(batch_iterator) except StopIteration: batch_iterator = iter(data_loader) images, targets = next(batch_iterator)
问题解决。
“SSD-pytorch坑怎么解决”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
