Pytorch 为什么我的CNN网络可以'；不要学习高级功能

我正试图通过CNN网络预测数千张像下面这样的图片。下面你可以看到CNN的架构和一些细节。我想知道为什么网络学习不正常？如您所见，预测图像值（轮廓）与地面真实值相差甚远（预测值是真实值的10倍）。网络似乎在边缘检测（低级特征）方面做得很好，但在高级特征方面做得不好

kernel=3
num_filters=12
批量大小=128
lr=1e-5
类模型（nn.Module）：
def uu init uu（self，kernel，num_filters，res=ResidualBlock）：
超级（模型，自我）。\uuuu初始化
self.conv0=nn.Sequential(
nn.Conv2d（4，num_过滤器，内核大小=内核*3，
填充=4），
nn.BatchNorm2d（num_过滤器），
nn.ReLU（就地=真））
self.conv1=nn.Sequential(
Conv2d（num_filters，num_filters*2，kernel_size=kernel，
步幅=2，填充=1），
nn.BatchNorm2d（num_filters*2），
nn.ReLU（就地=真））
self.conv2=nn.Sequential(
Conv2d（num_filters*2，num_filters*4，kernel_size=kernel，stride=2，padding=1），
nn.BatchNorm2d（num_filters*4），
nn.ReLU（就地=真））
self.conv3=nn.Sequential(
Conv2d（num_filters*4，num_filters*8，kernel_size=kernel，stride=2，padding=2），
nn.BatchNorm2d（过滤器数量*8），
nn.ReLU（就地=真））
self.conv4=nn.Sequential(
Conv2d（num_filters*8，num_filters*16，kernel_size=kernel，stride=2，padding=1），
nn.BatchNorm2d（过滤器数量*16），
nn.ReLU（就地=真））
self.tsconv0=nn.顺序(
nn.ConvTranspose2d（num_filters*16，num_filters*8，kernel_size=kernel，padding=1），
nn.上采样（比例系数=2，模式=双线性，对齐角=真），
nn.ReLU（就地=真），
nn.BatchNorm2d（num_filters*8））
self.tsconv1=nn.Sequential(
nn.ConvTranspose2d（num_filters*8，num_filters*4，kernel_size=kernel，padding=1），
nn.上采样（比例系数=2，模式=双线性，对齐角=真），
nn.ReLU（就地=真），
nn.BatchNorm2d（num_filters*4））
self.tsconv2=nn.Sequential(
nn.ConvTranspose2d（num_filters*4，num_filters*2，kernel_size=kernel，padding=1），
nn.上采样（比例系数=2，模式=双线性，对齐角=真），
nn.ReLU（就地=真），
nn.BatchNorm2d（num_filters*2））
self.tsconv3=nn.Sequential(
nn.ConvTranspose2d（num_filters*2，num_filters，kernel_size=kernel，padding=1），
nn.上采样（比例系数=2，模式=双线性，对齐角=真），
nn.ReLU（就地=真），
nn.BatchNorm2d（num_过滤器））
self.tsconv4=nn.Sequential(
Conv2d（num_filters，1，kernel_size=kernel*3，padding=0，bias=False），
nn.ReLU（就地=真））
def前进（自身，x）：
x0=self.conv0（x）#（[6600600]）
#打印（x0.shape）
x1=self.conv1（x0）#（[1230300]）
#打印（x1.形状）
x2=自conv2（x1）#（[24150150]）
#打印（x2.形状）
x3=自我调节3（x2）#（[48,76,76]）
#打印（x3.形状）
x4=自我调节4（x3）#（[96,38,38]）
#打印（x4.形状）
x5=self.tsconv0（x4）#（[48,76,76]）
#打印（x5.形状）
x6=self.tsconv1（x5）#（[24152152]）
#打印（x6.形状）
x7=self.tsconv2（x6）#（[12,304,304）
#打印（x7.形状）
x8=self.tsconv3（x7）#（[6608608]）
#打印（x8.shape）
x9=self.tsconv4（x8）#（[1600600]）
#打印（x9.形状）
返回x9

---

这是一个自动编码器，对吗？你只想重建输入图像？下面的图像是输出，上面的图像是地面真相？ 那么我建议你做两件事： 首先，您的体系结构似乎并没有真正生成很多功能映射，而是生成了更大的功能映射。您将从6个功能映射增加到96个。通常在CNN中，您将从6个功能映射增加到512个。例如：

layer1: 6 - layer2: 64 - layer3: 128 - layer4: 256 - layer5: 512 ...

这可能就是它无法学习高级功能的原因，因为模型的维度不高。您还可以尝试使瓶颈层的功能映射大小小于38，可能在8-16左右

第二件事： 如果不使用瓶颈层，可以添加跳过连接。因此，从编码器中取出一个或所有层，并将它们添加到具有相同维度的解码器层。

---

我希望这能对您有所帮助！

谢谢，我将架构更改为以下内容，但情况变得更糟了。（[126060600]）（[24300300300]）（[48150150]）（[967575]）（[19238038]）（[38441919]）（[38441919]）（[19238038]）（[967575]）（[48150150]）（[24300300]）（[1260600]）（[1600600]））也许试着减少层数并检查你的数据集！我做了，但仍然无法检测到高级特征！你认为在最后一层中使用sigmoid函数并将每个像素的损失从MSE更改为CrossEntropy会有帮助吗？