神经网络不收敛不学习，分类效果相当于随机预测
最近搭建了一个卷积神经网络，用的Keras，但是训练的时候loss不减少，预测精度相当于随机预测。查找资料的时候看到一篇国外关于这个问题的文章，讲的相当好。连接如下：
http://theorangeduck.com/page/neural-network-not-working
然后按照里面的总结一点点修改自己的网络，修改Learning rate，加入Normalize My Data，重新检查了我的数据输入有没有错误，都没有解决。
然后抱着试试的态度，怀疑自己的网络是不是太深了，其实也没有多深，四个卷积层加两个全连接层。去掉两个卷积层，然后，，，，，，，，，，，就神奇的好了！
其实我还是很怀疑我的全连接层，因为全连接层的参数太多，所以就试着把卷积层复原，然后去掉倒数第二层的全连接层，竟然也神奇的好了。
锁定目标，原因应该就是网络层数过多，参数传递的时候发生了梯度消失，其实我还怀疑是我初始化参数的时候不大对，还没有测试。为什么呢？
因为我接下来模型恢复到原来的情况，四个卷积层加两个全连接层，竟然也没有问题了。就感到很莫名其妙，为什么之前一直不收敛，后来就收敛了呢？和程序运行时的GPU、CPU、内存情况有关系吗？还是Keras内部的原因？有大佬知道还请指教
322
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
