在最后几天，我和TensorFlow度过了一段非常奇怪的时光，无法想象atm会出现什么问题。
我建立了这个网络：link。它是TensorFlow的MNIST示例的副本。
基本上，我所做的就是改变网络，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。所以单个输出神经元。
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）我把所有的，全部为0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，我预计性能非常糟糕（因为800x600像素图像对于神经网络而言非常大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。有什么想法吗？
答案 0 :(得分：6)
查看源代码，似乎在softmax（the code you shared中的L.104）之前的最终完全连接层将每个示例缩小为单输出类，然后再计算SOFTMAX。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()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（这是一个batch_size x 1矩阵）将为每个元素产生0，因此“准确度”将为100％。
要解决此问题，您应该（i）将最终完全连接层的输出单元数增加为类数，（ii）将每行y_train编码为单热矢量代表每个例子的真实类。