我正在运行一个简单的卷积神经网络，进行回归并预测结果。它预测30个输出（浮动）
预测结果几乎是相同的，而与任何输入无关。（收敛到训练输出的平均值）
基于该数据集，1000次迭代后的训练收敛到0.0107的最大损失（这是一个好的损失）。
What is causing this?
我试图将偏差设置为1.0，它带来了一些变量，但在下面仍然相同。当我将偏置设置为0时，结果会差得多，所有输出都是100%相同的。我已经在使用正则化max（0，x），没有结果的改进。
输出如下。如您所见，第一个、第二个和第三个阵列几乎相同。。
[[ 66.60850525 37.19641876 29.36295891 ..., 71.91300964 47.92261505
85.02180481]
[ 66.4874115 37.09647369 29.23101997 ..., 71.90777588 47.74259186
85.10979462]
[ 66.54870605 37.19485474 29.36085892 ..., 71.84892273 47.8970108
85.05699921]
...,
[ 65.7435379 36.78604889 28.57537079 ..., 71.98916626 47.03699493
85.88017273]
[ 65.7435379 36.78604889 28.57537079 ..., 71.98916626 47.03699493
85.88017273]
[ 65.7435379 36.78604889 28.57537079 ..., 71.98916626 47.03699493
85.88017273]]
网络模型使用此参数运行
base_lr: 0.001
lr_policy: "fixed"
display: 100
max_iter: 1000
momentum: 0.9
从输出和偏差对结果的影响来看，我有一种感觉，也许你没有规范你的输入和输出。
尝试在-1&1.