FastAI训练中train_loss/valid_loss下降但error_rate仍为1.0的原因

我使用FastAI开展模型实验，已下载Kaggle手指数据集并运行以下代码。令我困惑的是，随着训练轮次（epoch）增加，train_loss和valid_loss持续下降，但error_rate始终维持在1.0，请问这是什么原因？

运行代码 #

import fastai
...
fingers = DataBlock(
    blocks=(ImageBlock, CategoryBlock),
    get_items=get_fingers,
    splitter=RandomSplitter(valid_pct=0.2, seed=42),
    get_y=get_finger_label,
    item_tfms=Resize(128)
)
processed_fingers = fingers.new(item_tfms=RandomResizedCrop(128, min_scale=0.3), batch_tfms=[*aug_transforms()])
dls = processed_fingers.dataloaders(fingers_path)

learn = vision_learner(dls, resnet34, metrics=error_rate)
learn.fine_tune(10)

训练结果 #

这种情况核心是模型的分类预测和真实标签完全不匹配，但损失函数仍能正常下降，常见原因及排查方法如下：

• 标签提取逻辑错误：get_finger_label函数可能存在bug，比如从文件路径/名称提取标签时出错，导致所有样本的标签被映射为同一个值，或者标签与实际类别完全错位。比如数据集样本是不同手指数量的图片，但函数提取的标签全是同一个类别，此时模型会朝着最小化该类别的损失优化，但所有预测都和真实标签不符，error_rate保持1.0。
• 类别映射错位：CategoryBlock自动生成的类别词汇表（dls.vocab）和get_finger_label返回的标签顺序不匹配。比如模型内部将类别编码为[0,1,2,3,4,5]，但你的标签实际对应[5,4,3,2,1,0]，此时模型的预测结果和标签完全反向，损失会下降但分类全错。
• 数据加载异常：虽然loss在下降，但需确认验证集的样本标签是否在模型的类别范围内，或者RandomSplitter是否导致验证集样本的类别分布和训练集完全脱节（不过这种情况loss下降的概率较低）。

具体排查步骤 #

1. 检查类别词汇表：运行print(dls.vocab)，确认类别是否和数据集实际的手指类别（比如0-5根手指）一致。
2. 可视化样本标签：运行dls.show_batch()，查看图片对应的标签是否正确，确认图片和标签的对应关系没问题。
3. 验证标签函数：手动选取几个样本路径，调用get_finger_label函数，检查返回的标签是否符合预期。
4. 查看混淆矩阵：运行以下代码生成混淆矩阵，直观查看模型预测的分布：

   interp = ClassificationInterpretation.from_learner(learn)
   interp.plot_confusion_matrix()
   

   如果混淆矩阵里只有某一行或某一列有值，说明模型所有预测都集中在一个类别，大概率是标签提取或映射的问题。

内容的提问来源于stack exchange，提问作者thiagoh