我和TensorFlow在最后几天度过了一段非常奇怪的时光，并且无法想象atm会出现什么问题 .
我 Build 了这个网络：link . 它是TensorFlow的MNIST示例的副本 .
基本上，我所做的是改变网络，从28x28x1图像（MNIST灰度）到600x800x1图像（我自己拍摄的一些图像，背景相对干净的网络摄像头和不同位置的一个对象） .
我想要做的就是玩这样的CNN并让它输出图像中对象的x位置 . 所以单输出神经元 .
但是，无论我尝试什么，网络总是输出1.0 . 甚至（当你在代码末尾看我的测试部分时）我将所有的，全部为零或所有随机数输入网络 .
当然，由于我只有21个标记的训练和7个标记的测试图片，我预计性能非常差（因为800x600像素图像对于神经网络来说是巨大的并且定位对象并不容易） .
...但我完全不知道为什么网络总是输出1.0，即使它是无意义的 . 有任何想法吗？
1 回答
查看源代码，似乎在softmax之前的最终完全连接层（the code you shared中的L.104）在计算softmax之前将每个示例减少到 single output class . 由于每个示例只有一个类，tf.nn.softmax() op（
y_conv）的结果将是每个元素中包含1.0的batch_size x 1矩阵，并且tf.argmax()将包含每个元素的0，因为只有一个值 . 类似地，将tf.argmax()应用于y_train（这是一个batch_size x 1矩阵）将为每个元素生成0，因此"accuracy"将为100％ .要解决这个问题，你应该（i）将最终完全连接层的输出单元数增加为类的数量，并且（ii）将每一行
y_train编码为表示每个示例的真实类的单热矢量 .