随便用tensorflow搭建了一个FCN8，结构很简单: VGG16从conv1_1到pool5完整拿过来，pool5注意stride改为了2，fc6、fc7变成了1*1的卷积核。然后接3层conv2d_transpose即可，前两个conv2d_transpose分别从pool4和pool3连过来做fuze。tf.AdamOptimizer的学习率用1e-4即可。

抠细节:

1、loss可以这么写：

loss = tf.nn.softmax_cross_entropy_with_logits(logits = self.logits, labels = self.label_tensor)

也可以加：loss = tf.reduce_mean(loss)

这两者都可以收敛。而且曾经有个说法是tf.AdamOptimizer(lr).minimize(loss)内部会把loss求平均。

然后这里要注意tf.nn.softmax_cross_entropy_with_logits接受的logits是没有经过softmax的网络输出值，初学者容易搞不清这里。

2、开始训练之前一定要保证输入数据完全正确！对于semantic segmentation问题，你的label是一张像素图，这个像素很绝对，很可能由于opencv的读入函数，或者resize函数改变了像素点，导致匹配不上label。这里推荐misc库：

from scipy import misc

im = misc.imread("file_name")

im = im.imresize(im, (x,y))  #这里推荐插值方法使用nearest方法，不会改变像素值。

misc库还有一个好处就是对于中文路径的支持比opencv好太多

3、请给网络充足的时间去训练。FCN8训练的时候你可以把它输出的预测结果还原成图片，你会发现在前3000步以前都是黑的。因为背景类站绝大多数嘛，一般在30倍图片数量的迭代次数以后才有图像出现。（这是在图片数量少的情况下，如果图片数量很多，可能只要1-2个epoch就可以看到图像了）

所以在你发现过了几百张图片之后你的结果还是黑屏的时候，不要慌张，尝试把你的softmax结果输出来看看，如果结果是第0类的值远远大于其他类并且该值在大幅变化，那就说明你可以再耐心地等等。

4、刚写完网络的时候最好使用很少的数据进行训练，先看看能不能overfitting，如果可以顺利overfitting了，才可以进行更大数据集上的训练。这样可以有效地降低调试成本。

变种版本：

将conv2d_transpose层换成：tf.image.resize层和一个卷积层。

这个变换也能达到同样收敛的效果，不过是否能够达到同样的精度还有待验证。