TensorFlow网络没有训练？

Question

最近几天，我和TensorFlow相处得很奇怪，我想不出atm机出了什么问题。在

我建立了这个网络：link。它是TensorFlow的MNIST示例的副本。在

基本上，我所做的，是将网络从拍摄28x28x1的图像（MNIST灰度）更改为600x800x1图像（一些图像是我自己拍摄的，背景相对干净，在不同位置有一个对象）。在

我想做的是玩这样一个CNN，让它输出图像中物体的x位置。所以只有一个输出神经元。在

但是，不管我做了什么，网络总是输出1.0。甚至（当你看代码末尾的测试部分时），当我把所有的1、0或所有随机数输入网络时。在

当然，由于我只有21个标记的训练图片和7个标记的测试图片，我预计性能会非常糟糕（因为800x600像素的图像对于神经网络来说是巨大的，而且定位一个对象并不容易）。在

…但我完全不知道为什么网络总是输出1.0，即使它被胡说八道。有什么想法吗？在

Answer 1

从源代码来看，在softmax（L.104 inthe code you shared）之前，您的最终完全连接层在计算softmax之前将每个示例简化为一个单个输出类。由于每个示例只有一个类，^{}操作（y_conv）的结果将是一个批处理大小x1矩阵，每个元素中包含1.0，其中的^{}将为每个元素包含0，因为只有一个值。类似地，将tf.argmax()应用于y_-train（批量大小x1矩阵）将为每个元素生成0，因此“准确度”将为100%。在

要解决这个问题，您可能应该（i）增加来自最终完全连接层的输出单元的数量，使之成为类的数量，并且（ii）将每一行y_train编码为一个热向量，表示每个示例的真实类。在