如何解决deeplab v2识别结果为全黑图像的问题？
最近使用deeplab v2做项目，期间经历的痛苦的过程。首先是各种脚本，训练集错误。之后就是一些莫名奇妙的错误。本以为解决问题训练网路之后，能看到可见的结果。竟然出现了识别图像全为别背景的问题。实在是太悲剧了。不知道有没有大神可以帮帮我呀。
你可以参考一下这个博客
deeplab运行指南 - 生如蚁，美如神 - CSDN博客
应该是你的test_val.prototxt中的空洞卷积层名字和训练网路的不一致
您好，我也是用deeplab v2来训练网路。一开始迭代的时候loss是有明显下降，但几百次以后loss就没什么变化了，然后训练了十多万次了loss还是这样没有太大变化。然后我测试出来的结果也是全黑背景。请问题主解决了这个问题吗？谢谢！
我们用它的iter_20000.caffemodel测试也是全黑图（经过creat_label.py处理了），然后自己尝试训练之后，用自己的caffemodel测试就好了
现在问题进一步清晰了，使用与训练的vgg16网路权重不能进行识别，识别出来都是背景。真的不知道怎么解决呀。
————————————————————————————————————————
问题最终解决了，是cudnn问题。cudnn有可能造成识别结果出现错误的问题。尝试禁用Makefile.config文件中的USE_CUDNN变数可以解决这一问题。网上有相关数据指明cudnn会提高原版本GPU caffe1.3倍的速度。大家可以权衡利弊来处理库。
出现你这个问题的原因很多吧。我没用过deeplab v2.所以无法深入的探讨。但是你出现的问题很像是训练过程中模型快速的陷入了一个局部最优，而且是所有参数的权重都变成了0，这样输出就是0，然后自然就是全黑。你该仔细的检查下你的训练过程，最好可视化下权重的变化。
推荐阅读：
