当在fp16上训练时，用于图像分割的unet上的ACC值不会上升

可能是由于以下原因：

1. 数据集问题：训练数据集可能存在标注错误、噪声或者不平衡的问题，导致模型无法准确学习到正确的分割结果。建议对数据集进行仔细的清洗和预处理，确保数据的质量和平衡性。
2. 模型架构问题：unet模型可能存在设计上的问题，导致在fp16上训练时无法有效地学习到图像分割任务的特征。可以尝试调整模型的层数、通道数或者使用其他更适合的模型架构。
3. 训练参数设置问题：在fp16上训练时，需要注意参数的设置。例如，学习率可能需要进行调整，以适应fp16的训练过程。此外，还可以尝试使用不同的优化器、学习率衰减策略或者正则化方法来提升模型的性能。
4. 训练策略问题：训练策略可能需要进行调整，例如增加训练的迭代次数、使用更大的批量大小或者引入数据增强技术。这些调整可以帮助模型更好地学习到图像分割任务的特征。

推荐的腾讯云相关产品和产品介绍链接地址：

• 腾讯云图像分割服务：提供基于深度学习的图像分割能力，支持快速、准确地对图像进行分割。产品介绍链接：https://cloud.tencent.com/product/cis

请注意，以上答案仅供参考，具体情况需要根据实际情况进行分析和调整。