问题分析
最近想多学习一些知识，就尝试去跑U-net网络，通过github下载源码源码地址，然后做自己的数据集，然后就去跑通网络，但是在跑通网络过程中，出现了测试结果为全黑的情况，我个人判断可能是数据集制作错误导致，就改了数据集，后面有出现了全白的错误，好在最后通过各种尝试将其解决，并最后预测出来了！！
原因分析
其实归根揭底就是学习率的问题，原代码中学习率偏高，训练没几步就出现acc=1.000的情况，预测的结果为全黑。
解决办法
- 首先要确保自己的标注的图片是正确的，及所要检测的目标在标签图（即label文件夹里的图片）里是白色区域（针对就识别一类而言）。若是多分类任务，要修改下代码，也不麻烦，这里就不细述。
- 调整学习率，在model.py文件中将学习率下降1个到多个阶。源码为1e-4，我的数据集1e-6时表现较好，自己可以多试几个，直到分割正常。还有一个就是steps_per_epoch和epochs稍微设大点 ，我是用300，10看的效果，可以有检测效果，后面又把epochs设到100去优化。自己合理设置！！！
填坑不易，且行且珍惜，若在跑此网络有什么问题，可以留言，我可以帮忙解决！！
填坑不易，且行且珍惜 如果帮助到你 评论一下 让更多人看到，解决大家的问题
