tensorflow,model,object_detection,訓練loss先降低後遞增，到幾百萬，解決tensorflow,model,object,detection,loss,incease

現象：訓練loss一開始降低一部分，跌代到若干次（具體多少和你的learning rate大小有關，大就迭代小就發生，小就須要多幾回迭代）

日誌以下（下面的日誌來源於網絡，我本身的日誌已經clear掉了，不過不影響）：
INFO:tensorflow:global step 272: loss = 0.2479 (0.158 sec/step)
INFO:tensorflow:global step 273: loss = 0.3874 (0.159 sec/step)
INFO:tensorflow:global step 274: loss = 0.2599 (0.158 sec/step)
INFO:tensorflow:global step 275: loss = 27207767073038008320.0000 (0.155 sec/step)
INFO:tensorflow:global step 276: loss = 363770730445224804352.0000 (0.154 sec/step)
INFO:tensorflow:global step 277: loss = 2319587573063963639808.0000 (0.157 sec/step)
INFO:tensorflow:global step 278: loss = 9538479895582634672128.0000 (0.155 sec/step)
INFO:tensorflow:global step 279: loss = 35610680577759077466112.0000 (0.153 sec/step)

網上說是可能數據加強的緣由，可是根據現象，爲何一開始是正常的呢。知道我我看一個網上的同窗說，他發現是他的
label_map.pbtxt中是有5個類別，可是在pipline.config中number_class:4,致使出現不一致，後面該同窗修改過來就能夠了。

個人解決是，我在label_map.pbtxt中的id是1，name：cat，可是在生成tfrecord的時候是cats，這致使了不一致，使得訓練中獲取lable1出錯。

爲何現象是loss先下降後崩掉（梯度爆炸中比較特殊的一種吧，我的認爲）這樣呢？
   由於，一開始模型還處於非工做狀態，在first stage的時候，模型經過識別到目標使得loss降低，當模型訓練到必定程度，對目標識別愈來愈好，second
loss開始佔主導或者second-stage輸入變得有規律，再也不隨機，這時候，須要識別具體是什麼目標的時候，tfrecord裏面的label是cats，在label_map.pbtxt須要找到
對應的id時，這時候由於「label_map.pbtxt中的id是1，name：cat，可是在生成tfrecord的時候是cats」不一致，致使沒取到id，這時就開始亂套了。

因此，作數據要仔細呀label_map.pbtxttfrecordcatslabel_map.pbtxtlabel_map.pbtxtlabel_map.pbtxt中的id是1，name：cat，可是在生成tfrecord的時候是catslabel_map.pbtxt