reg_best does not converge

[snutesh]

I tried to use pretrained backdoor model on CIFAR10 dataset. But during visualization none of values among cost, attack, loss, ce, reg, reg_best gets updated.
Here is the snapshot:

loading dataset
X_test shape (50, 32, 32, 3)
Y_test shape (50, 10)
loading model
processing label 7
resetting state
('mask_tanh', -3.672258450327029, 3.5073656483843307)
('pattern_tanh', -3.9436355297972994, 4.010161127999756)
step: 0, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 528.047913, reg_best: inf
step: 1, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 547.919495, reg_best: inf
step: 2, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
step: 3, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
step: 4, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
down cost from 0.00E+00 to 0.00E+00
step: 5, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
step: 6, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
step: 7, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
step: 8, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
step: 9, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf
down cost from 0.00E+00 to 0.00E+00
step: 10, cost: 0.00E+00, attack: 0.000, loss: 16.118097, ce: 16.118097, reg: 548.243958, reg_best: inf

[wxx336]

我尝试在 CIFAR10 数据集上使用预训练的后门模型。但在可视化期间，cost、attack、loss、ce、reg reg_best 之间的值都不会更新。这是快照：

加载数据集 X_test 形状 （50， 32， 32， 3） Y_test 形状 （50， 10） 加载模型处理标签 7 重置状态 （'mask_tanh'， -3.672258450327029， 3.5073656483843307） （'pattern_tanh'， -3.9436355297972994， 4.010161127999756） 步长： 0， 成本： 0.00E+00， 攻击： 0.000， 损失： 16.118097， CE： 16.118097， 注册： 528.047913， reg_best： inf步骤：1，成本：0.00E+00，攻击：0.000，损失：16.118097，ce：16.118097，注册：547.919495，reg_best：inf 步骤：2，成本：0.00E+00，攻击：0.000，损失：16.118097，ce：16.118097，注册：548.243958，reg_best：inf 步骤：3，成本：0.00E+00，攻击：0.000，损失：16.118097，ce：16.118097，注册：548.243958，reg_best：inf 步骤：4，成本：0.00E+00，攻击：0.000，损失： 16.118097，ce：16.118097，reg：548.243958，reg_best：inf 降低成本从 0.00E+00 到 0.00E+00 步骤：5，成本：0.00E+00，攻击：0.000，损失：16.118097，ce：16.118097，reg：548.243958，reg_best：inf 步骤：6，成本：0.00E+00，攻击：0.000，损失：16.118097，ce：16.118097，reg：548.243958，reg_best：inf 步骤：7，成本：0.00E+00，攻击：0.000，损失： 16.118097， ce： 16.118097， reg： 548.243958， reg_best： inf 步骤： 8， 成本： 0.00E+00， 攻击： 0.000， 损失： 16.118097， ce： 16.118097， reg： 548.243958， reg_best： inf 步骤： 9， 成本： 0.00E+00， 攻击： 0.000， 损失： 16.118097， ce： 16.118097， reg： 548.243958， reg_best： inf 降低成本从 0.00E+00 到 0.00E+00 步骤： 10， 成本： 0.00E+00， 攻击： 0.000， 损失： 16.118097，CE：16.118097，注册：548.243958，reg_best：inf

请问你是如何做的实验，使将自己的数据集和模型整理为源代码需要的.h5格式，还是用自己的数据集.h5格式重新训练感染模型的，我这里弄不清楚，已经做了很久了