你要知道，我的导师是研究光电技术的，我在实验室搬砖的项目和图像识别相关，当时我选择了Faster RCNN这个开源框架来识别各种纷繁复杂（黑白分明）的OCT图像，OCT的全称是Optical Coherence Tomography，也就是光学相干断层成像，它和大家熟悉的CT成像（计算机断层扫描）是属于一个范畴的技术，OCT的主要优点在于对人体的伤害小（相对于CT成像而言）。
Faster RCNN是一个图像识别的工具，基于CNN，具有更快的速度，它不仅可以识别出图像中的物体，还可以用矩形框定位该物体并给出置信度。初期，实验室老师给了我少量图像让我识别，我手动标注了几百张，训练之后测试效果还不错。过了一段时间，老师得到了更多的数据，此时手动标注显然是不现实的，因为所有图片加起来有几千张，我一天最多能标注几百张而已，而且标注之后我感到很想睡觉，困乏无力，于是我将整张图片当作单个物体的区域，坐标类似于(0, 0, length, width)的形式，然后将图片放进去训练，没想到在训练的第一阶段就出现错误了。
错误的具体信息我记不得了，当时也没有截图，都是Python的一些错误提示（没错，我爱Python），大致如下：
- 数值越界
- Key Error
当时试过很多方法，比如修改学习率，重新制作数据集，结果都无效，也不知道后来灵感怎么就闪现出来了，竟发现了问题所在，解决了这两个bug。
数值越界是因为我前面提到过的，我将整张图片作为单个物体的区域，也就是区域坐标为(0, 0, length, width)，因为坐标里面含有0，导致Faster RCNN在训练区域的时候出现了负数，因而报错，解决方法就是将左上角坐标(0, 0)稍微向右下角偏移一些，比如变成(5, 5)，这对训练的影响不大。
Key Error的原因是没有删除之前用Faster RCNN训练所产生的cache，删除即可。