评估训练模型

Question

我正在尝试建立图像分类网络（2类，猫和非猫）。 NN的定义如下：

def construct_network(X, params):
   Z1 = tf.add(tf.matmul(params["W1"], X), params["b1"])
   A1 = tf.nn.relu(Z1)

   Z2 = tf.add(tf.matmul(params["W2"], A1), params["b2"])
   A2 = tf.nn.relu(Z2)

   Z3 = tf.add(tf.matmul(params["W3"], A2), params["b3"])
   return Z3

成本函数：

def calc_cost(Z3, Y):
   logits = tf.transpose(Z3)
   labels = tf.transpose(Y)
   return tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=labels))

然后：

Z3 = construct_network(X_p, params)
cost = calc_cost(Z3, Y_p)
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)

典型结果如下：

Cost for epoch 0: 49.456378
Cost for epoch 100: 12.760913
Cost for epoch 200: 10.387191
Cost for epoch 300: 13.810563
Cost for epoch 400: 9.316090
Cost for epoch 500: 8.210016
Cost for epoch 600: 7.901745
Cost for epoch 700: 8.416944
Cost for epoch 800: 5.621855
Cost for epoch 900: 5.904790
Cost for epoch 1000: 4.743062
Cost for epoch 1100: 8.970100
Cost for epoch 1200: 6.074375
Cost for epoch 1300: 12.980518
Cost for epoch 1400: 6.193832

我尝试过使用这样训练过的模型：

 (files, X, Y) = generate_minibatch(test_samples)

result = sess.run(Y_predict, feed_dict={X_p: X})
# result = Y_predict.eval(feed_dict={X_p: X})

result = (tf.argmax(result, 0)).eval()
actual_result = tf.argmax(Y, 0).eval()
difference = tf.equal(result, actual_result).eval()

但实际结果似乎只是随机的。有时它会正确猜出一些图像。有时它会为所有测试样本输出相同的值。

所以我有几个问题：

1. 我是否正确使用经过培训的模型？
2. 如果是，那么我在学习部分有一些问题。如何判断网络是否正确学习？
3. 可能导致此成本函数波动的原因是什么？
4. 什么可能导致成本函数不从时代变为时代？这也发生了但是在经历了一些变化之后我还没有 想出了实际帮助的内容。

感谢。