训练tensorflow-SSD时出现的问题与相应的解决方法

在windows系统下训练SSD时出现的问题，现记录下来警醒自己提醒他人~
SSD简易版代码：GitHub（https://github.com/HiKapok/SSD.TensorFlow.git）

问题1、
训练时出现这样的错误：

报错类型：需要输入二进制或解码后的字符串，但我们通过Scaffold命令得到的是bytes类型。
出现该问题的原因可能是 与TensorFlow的版本问题有关
解决方法：将文件的checkpoint路径改为“存放pretrained-vgg16的路径”，旧版本下的vgg16.ckpt只是一个文件，而新版本下的vgg16.ckpt蕴含四个文件

问题2：训练时出现内存溢出问题： Allocation of 737280000 exceeds 10% of system memory（五年老电脑配置果然跟不上…暴风哭泣）
解决方法：调小batch_size,但并不是最佳方法，目前尚在探索。
关于batch_size的复习：
batch_size：每批次训练数据量的多少。即一个iteration训练batch_size个样本，计算他们的平均损失值来更新参数。
batch_size大小设置：batch_size越小越不容易收敛，然而batch_size越小，权重更新越频繁，而且具有随机性，对于非凸损失函数来讲，更便于寻找全局更优。batch——size越大越能够表征全体数据的特征，其确定的梯度下降方向越准确（收敛速度越快），迭代次数少，但缺乏随机性，容易陷入局部最优。
这里还需说明的一点是batch_size=1时，我们将其称为在线学习

接下来就开始我们的“python train_ssd.py”的旅程啦~
尚待更新中…