fastai调用cnn_learner训练时损失为0、模型无进展问题求助

1. 任务流水线不匹配 #

你当前使用的ImageDataLoaders.from_path_func和cnn_learner是fastai针对图像分类任务设计的流水线，完全不支持目标检测任务。目标检测需要输出目标边界框坐标+类别两个维度的结果，需要配套使用目标检测专用的数据加载接口、损失函数和模型结构，不能直接套用图像分类的代码。

2. 标签逻辑错误导致损失恒为0 #

你定义的label_func返回的是图片父目录的名称，而你所有的训练图片都存放在path/'dates'目录下，所有图片的标签统一为dates这同一个类别。在单类别的图像分类任务中，模型只要统一输出该类别就能达到100%准确率，因此训练/验证损失、错误率都会恒定为0，看起来就像没有训练进展。

3. 其他参数适配问题 #

• 总数据集只有125张，你设置的batch size为64过大，会导致训练迭代步长太少，就算是正常分类任务也很难看到训练效果变化
• 仅设置2轮微调的训练轮次过少，不足以让模型拟合数据特征

• 如果确实要做目标检测：需要先准备对应图片的边界框标注文件，改用fastai目标检测专用的ObjectBlock构建数据流水线，替换cnn_learner为目标检测专用的学习器
• 如果实际是做图像分类：调整数据集目录结构，将不同类别的图片放在dates目录下的不同子文件夹中，同时根据数据集规模调小batch size（建议设置为8~16），增加微调轮次到10轮以上测试效果

内容的提问来源于stack exchange，提问作者idkman554