Python RBF神经网络can'；t分类MNIST数据集

我已经实现了一个RBF神经网络分类器。 我使用我的实现对MNIST数据集进行分类，但它不是在学习，总是预测单个类。如果有人能帮助我确定我的实施中存在的问题，我将不胜感激

我必须注意到，由于它一个接一个地工作，所以实现相当慢，但我不知道如何使它一批接一批地工作。（我一般不熟悉tensorflow和python）

我的执行情况如下：

用法：

mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
y_train = to_one_hot(y_train,10)
y_test = to_one_hot(y_test,10)
x_train = np.asarray([np.asarray(x).reshape(-1) for x in x_train])
x_test = np.asarray([np.asarray(x).reshape(-1) for x in x_test])
M = 784
K = 1000
L = 10
lr = 0.01
rbfnn = RBF_NN(M,K,L,lr)

#Selecting prototypes from the train set
idx = np.random.randint(len(x_train), size=K)
prototypes = x_train[idx,:]

init = tf.global_variables_initializer()
sess = tf.InteractiveSession()

sess.run(init,feed_dict={rbfnn.prototypes_input:prototypes})

rbfnn.fit(x_train,y_train,prototypes,epoch_count=1, print_step=1,sess=sess)

y_test_p = []
for xi,yi in zip(x_test,y_test):
    yp = rbfnn.predict(xi,sess=sess)
    y_test_p.append(yp)

y_test_t = [np.argmax(yi) for yi in y_test]


acc = accuracy_score(y_test_t,y_test_p,)
precc = precision_score(y_test_t,y_test_p, average='macro')
recall = recall_score(y_test_t,y_test_p, average = 'macro')
f1 = f1_score(y_test_t,y_test_p,average='macro')

print("Accuracy:",acc)
print("Precision:",precc)
print("Recall:",recall)
print("F1 score:",f1)

sess.close()

---

实施情况良好。然而，它似乎对数据非常敏感。 如果添加以下行，它将开始正常学习：

x_train = (x_train-x_train.min())/(x_train.max()-x_train.min())
x_test = (x_test-x_test.min())/(x_test.max()-x_test.min())

通过这种方式，数据被规范化，以便每个特征的间隔为0到1

x_train = (x_train-x_train.min())/(x_train.max()-x_train.min())
x_test = (x_test-x_test.min())/(x_test.max()-x_test.min())