tensorflow,model,object_detection,訓練loss先下降后遞增，到幾百萬，解決tensorflow,model,object,detection,loss,incease

現象：訓練loss一開始下降一部分，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，小就需要多幾次迭代）

日志如下（下面的日志來源於網絡，我自己的日志已經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)

網上說是可能數據增強的原因，但是根據現象，為什么一開始是正常的呢。知道我我看一個網上的同學說，他發現是他的
label_map.pbtxt中是有5個類別，但是在pipline.config中number_class:4,導致出現不一致，后面該同學修改過來就可以了。

我的解決是，我在label_map.pbtxt中的id是1，name：cat，但是在生成tfrecord的時候是cats，這導致了不一致，使得訓練中獲取lable1出錯。

為什么現象是loss先降低后崩掉（梯度爆炸中比較特殊的一種吧，個人認為）這樣呢？
   因為，一開始模型還處於非工作狀態，在first stage的時候，模型通過識別到目標使得loss下降，當模型訓練到一定程度，對目標識別越來越好，second
loss開始占主導或者second-stage輸入變得有規律，不再隨機，這時候，需要識別具體是什么目標的時候，tfrecord里面的label是cats，在label_map.pbtxt需要找到
對應的id時，這時候因為“label_map.pbtxt中的id是1，name：cat，但是在生成tfrecord的時候是cats”不一致，導致沒取到id，這時就開始亂套了。

所以，做數據要仔細呀