两层神经网络Tensorflow python

嗨，我是tensorflow和神经网络的新手。我试图实现一个两层神经网络用于数字识别。当只有一层时，代码运行良好，但在添加第二层后，精度下降到0.11xxxx。我的代码怎么了？提前感谢

您可以使用随机法初始化权重

#layer 1
w1 = tf.Variable(tf.zeros([784, 30]))
b1 = tf.Variable(tf.zeros([30]))
y1 = tf.nn.relu(tf.matmul(X, w1) + b1)

#layer 2
w2 = tf.Variable(tf.zeros([30, 10]))
b2 = tf.Variable(tf.zeros([10]))
logits = tf.matmul(y1, w2) + b2
preds = tf.nn.softmax(logits)

---

嗨，谢谢你的建议。它现在可以工作了，但开始时只有0.43，20个历元后达到0.907，这还不错，但我想知道为什么它比1层还要差，这对我来说没有意义。我还意识到第一次训练损失非常高（11.8），也许这就是为什么它从0.43开始的原因。我用它来计算损失：batch_xentropy=tf.reduce_mean（tf.nn.softmax_cross_entropy_with_logits（labels=Y，logits=logits））我找到了解决方案，用截断法初始化修复了问题。谢谢你给我指明了正确的方向。

w1 = tf.Variable(tf.random_normal([784, 30]))
...
w2 = tf.Variable(tf.random_normal([30, 10]))