tensorflow,model,object_detection,训练loss先降低后递增，到几百万，解决tensorflow,model,object,detection,loss,incease

现象：训练loss一开始降低一部分，跌代到若干次（具体多少和你的learning rate大小有关，大就迭代小就发生，小就须要多几回迭代）

日志以下（下面的日志来源于网络，我本身的日志已经clear掉了，不过不影响）：
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)

网上说是可能数据加强的缘由，可是根据现象，为何一开始是正常的呢。知道我我看一个网上的同窗说，他发现是他的
label_map.pbtxt中是有5个类别，可是在pipline.config中number_class:4,致使出现不一致，后面该同窗修改过来就能够了。

个人解决是，我在label_map.pbtxt中的id是1，name：cat，可是在生成tfrecord的时候是cats，这致使了不一致，使得训练中获取lable1出错。

为何现象是loss先下降后崩掉（梯度爆炸中比较特殊的一种吧，我的认为）这样呢？
   由于，一开始模型还处于非工做状态，在first stage的时候，模型经过识别到目标使得loss降低，当模型训练到必定程度，对目标识别愈来愈好，second
loss开始占主导或者second-stage输入变得有规律，再也不随机，这时候，须要识别具体是什么目标的时候，tfrecord里面的label是cats，在label_map.pbtxt须要找到
对应的id时，这时候由于“label_map.pbtxt中的id是1，name：cat，可是在生成tfrecord的时候是cats”不一致，致使没取到id，这时就开始乱套了。

因此，作数据要仔细呀label_map.pbtxttfrecordcatslabel_map.pbtxtlabel_map.pbtxtlabel_map.pbtxt中的id是1，name：cat，可是在生成tfrecord的时候是catslabel_map.pbtxt