Python 当我增加神经元或层的数量时，我的tensorflow模型训练失败

我参考tensorflow教程[1]，使用tensorflow制作了一个卷积神经网络模型来识别笔迹。该模型使用卷积滤波器1:[5,5,1,16]、滤波器2:[5,5,16,32]、完全组合的层[7*7*321024]和[1024,10]，然后使用softmax将其转换为概率。我运行了这个模型，但失败了，因为“损失”从未减少，所有输出都是[0,0,1,0,0,0,0,0,0,0]

然后，我减少了过滤器和神经元的数量，成功了，准确率达到97%

当我用同样数量的过滤器和神经元制作模型时，为什么我不能成功地训练

这是我失败的模型。（我使用了“mnist.csv”）

打印（“测试精度：{0}”。格式（accurity.eval（feed_dict={x:x_测试，t:t_测试}））

---

[1] ：

在此处输入代码

您正在调用

softmax\u cross\u entropy\u，并在
softmax
的输出上使用

。这会应用softmax两次，导致错误的结果<在应用

softmax

之前，应在最后一层的线性输出上调用code>softmax\u cross\u entropy\u with\u logits：

y = tf.matmul(h_fc1,W_fc2) + b_fc2
cross_entropy=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=t, logits=y))

prediction_probabilities = tf.nn.softmax(y)
prediction_class = tf.argmax(y, 1)

---

只有在需要每个类的概率时，才需要上面的

预测\u概率

张量。否则，您可以直接在

y

上调用

argmax

，以获取预测的类。

非常感谢。我犯了一个基本错误。我将修改它。

y = tf.matmul(h_fc1,W_fc2) + b_fc2
cross_entropy=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=t, logits=y))

prediction_probabilities = tf.nn.softmax(y)
prediction_class = tf.argmax(y, 1)