首先，我想指出的是，我熟悉转学的好处。此外，我能够从数据集中的“ modelzoo”中训练出预训练模型。但是出于研究目的，我想从头开始训练我的模型而无需进行转移学习。

我想从tensorsflow的Object Detection API到我的数据集采用Faster-Rcnn Resnet 101实现。如果我使用一种预训练模型，则训练会按预期进行，并且损失始终在“正常”范围内（从不高于约6）。但是，如果我不使用转移学习，则损失会非常频繁地跳跃以达到高值（约80,000,000），但是在这些值之间，损失在正常范围内。除此之外，我在TensorBoard中看不到任何关于网络的预测。似乎网络根本没有做出任何预测。我唯一更改的是注释掉model.config文件中的这两行：

 # fine_tune_checkpoint: 'path'
 # from_detection_checkpoint: true

我尝试了很多事情来找到原因：更改了优化器，更改了学习率，使用了梯度裁剪，更改了初始化器，并使用了不同的机器进行训练，但没有任何帮助。此外，我还检查了label_map和记录文件。为了确保这些文件正确无误，我通过使用pascal voc数据集，用于从api创建记录和标签映射的脚本重做了上述步骤，但是即使使用了对象检测API中的这段代码，也没有进行任何代码更改，但丢失了爆炸（Tensorflow Object Detection API own inputs）。