Python 不考虑输入产生相同输出的神经网络

我目前正在尝试用Python实现一个神经网络来玩蛇的游戏，这个游戏是用遗传算法训练的（尽管现在这是一个单独的问题）

每一个玩游戏的网络都会一遍又一遍地做同样的动作（例如，继续保持直线，不断左转）。网络有5个输入：在所有四个方向上到物体（食物、边界、它自己的尾巴）的距离，以及食物和蛇面对的方向之间的角度。这三个输出分别表示左转、直行和右转

我以前从未做过类似的工作，所以我对这一点有了相当基本的了解。隐藏层的数量和每层节点的数量是可变的，这是我一直在做很多修改以测试的，但是蛇继续重复着完全相同的运动

---

任何关于为什么会发生这种情况以及如何解决的建议都将不胜感激。如果有用的话，我可以展示我的代码。

你可能将权重初始化为零，如果它们没有经过适当训练，并且由于某种原因保持为零，神经网络将始终产生偏差作为输出。

感谢你的建议-我检查了权重的初始值，它们不是0。输出的实际值是变化的，但它总是产生相同的结果（例如，输出1总是最大的输出，即使其值变化）。