Python Tensorflow用于图像分割：更改小批量大小会停止学习

我创建了一个图像分割网络，特别是脑肿瘤。带有代码的jupyter笔记本是

当我用1的小批量训练CNN时，我得到了一个相当好的结果：

但当我将尺寸更改为更大（2或更多）时，结果非常糟糕：

张力板显示了损耗的差异。很明显，batchsize为2的网络并没有使损失最小化（蓝色）

---

你知道为什么会这样吗？

我发现了问题所在。我用tensorboard检查了我的图形，我注意到在CONV1/S1中，我没有将ReLu的输出连接到下一层（CONV1/S2），而是直接连接conv2d的输出

---

我更改了代码中的那一行，一切正常。

您的损失是一笔总数还是平均值？如果损失是一个总和，那么损失将随着批量的增加而线性增加。@ness\u boy我的损失是：损失=tf.nn.sigmoid\u交叉\u熵\u与\u logits（logits=output，labels=target）成本=tf.reduce\u平均值（损失）嗯，好的，如果你在绘制

成本

，那么它应该是一个平均值。但是，如果不查看您的代码，很难判断问题可能是什么：（如果您感兴趣，代码在这里，您是否尝试重新调整学习率？您是否使用了批次规格化或其他对批次大小敏感的东西？您的代码中也可能存在错误，将批次维度与其他维度混合在一起。