batchnorm BN无法更新保存参数 moving_mean/variance

在复现resnetv2的时候遇到了BN保存的问题，直接导致的结果就是训练集收敛很快，测试集准确率上升缓慢甚至上不去。查解决方案的时候看到网上也同样有不少同道中人，如果你试了很多方法还不管用，建议你试试本文所述的。

1.官方提示你可以点进batchnorm查看，它说让添加如下代码来保存BN参数：

update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
    with tf.control_dependencies(update_ops):
	    train_op = opt.minimize(loss, global_step=global_step)

2.如果添加了该部分代码仍然存在之前的现象，建议多跑几轮，因为：

# Note: the validation error is erratic in the beginning (Maybe 2~3k steps).
# This does NOT imply the batch normalization is buggy.
# On the contrary, it's BN's dynamics: moving_mean/variance are not estimated that well in the beginning.

 

3.如果你是调成is_train=True结果正常，而false就不正常，建议创建2个graph，一个用于训练，一个用于验证。部分网络还有reuse的参数，正确的设置方法应该是在训练的时候is_train=true, reuse=false; 在跑验证集的时候, is_train=false, reuse=true; 在跑测试集的时候, is_train=false, reuse=false。