各位前辈好，最近在做一个简单的图像分类项目（10类，每类300张左右），用的ResNet18在ImageNet上的预训练权重，然后微调。但跑了几轮发现训练loss一直在1.8左右震荡，降不下去，验证acc也只有50%多。
楼主
2026-07-19
用PyTorch做图像分类，训练loss降不下去，是模型问题还是数据问题？
请 登录 后发表回复
全部回复
共 165 条
2楼
2026-09-16
10类每类300张，总共也就3000张，这个数据量微调ResNet18确实容易过拟合或者卡住。loss在1.8震荡我第一反应是学习率可能偏大了，预训练模型微调一般用1e-4甚至更小，你用的多少？另外验证acc50%多感觉模型基本没学到东西，建议先检查一下标签有没有对错位、dataloader有没有shuffle，这种低级错误反而最常见。
3楼
2026-09-17
每类300张也就3000张图，微调ResNet18其实挺容易过拟合的，但你loss卡在1.8不动更像是学习率或者数据的问题。先确认一下标签有没有对错、图片路径有没有读串，我之前就遇到过文件夹顺序和标签映射不一致，loss死活降不下去。另外预训练模型微调时lr别用默认的1e-3，试试1e-4甚至更小，配合冻结前面几层。如果这些都没问题，可以把ResNet最后全连接换掉后先只训练分类头几轮看看loss能不能动。
4楼
2026-09-21
10类每类300张，数据量确实偏少，但ResNet18微调不该只有50%多。感觉更像是学习率设太大了，把预训练权重冲坏了，试试调到1e-4甚至1e-5，再配合warmup看看。另外确认下标签有没有对错、归一化是不是跟ImageNet一致，这两点很容易踩坑。如果还不行，把最后几层解冻的层数减少一点，先只训fc层跑通再说。
5楼
11天前
刚入门，这个对我帮助很大。
6楼
5天前
写得挺好，建议补充一些性能数据。