我正在尝试对神经网络进行建模来解决 CIFAR-10 数据集，但是我面临着一个非常奇怪的问题，我已经尝试了 6 种以上不同的 CNN 架构以及许多不同的 CNN 超参数和完全连接的 #neurons 值，但似乎一切都失败了，损失为 2.302，相应的精度为 0.0625，为什么会发生这种情况，CNN 或神经网络的什么属性导致了这种情况，我还尝试了 dropout、l2_norm、不同的内核大小、CNN 和 Max Pool 中的不同填充。我不明白为什么损失会卡在这么奇数上？
我正在使用tensorflow实现这个，并且我尝试过softmax层+cross_entropy_loss和without_softmax_layer+sparse_cross_entropy_loss。神经网络损失函数是否陷入了停滞状态？
最佳答案
这似乎是您不小心将非线性/激活函数应用到网络的最后一层。请记住，交叉熵作用于 0 到 1 范围内的值。当您通过在计算交叉熵之前应用 softmax 函数自动“强制”输出到此范围时，您应该只“应用”线性激活函数(只是不添加任何函数)。
顺便说一下，2.302 的值无论如何都不是随机的。当您假设所有 10 个类别 (CIFAR-10) 最初获得相同的预期扩散概率 0.1 时，它实际上是 softmax 损失为 -ln(0.1) 的结果。看看 Andrej Karpathy 的解释: http://cs231n.github.io/neural-networks-3/
关于tensorflow - CNN 损失停留在 2.302 (ln(10))，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47822099/