pytorch中的VGG网络在测试不同输入时产生相同的输出

我正在使用（未经培训的）VGG-19对CIFAR10图像进行批量标准化。当我将模型转换为eval模式时，我注意到该模型为不同的输入生成了相同的输出logits值。这正常吗？VGG网络的参数是随机的。下面是我的代码

import torch
import torch.nn as nn


cfg = {
    'vgg11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'vgg13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'vgg16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],
    'vgg19': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M'],
}


class VGG(nn.Module):
    def __init__(self, vgg_name):
        super(VGG, self).__init__()
        self.features = self._make_layers(cfg[vgg_name])
        self.classifier = nn.Linear(512, 10)

    def forward(self, x):
        out = self.features(x)
        out = out.view(out.size(0), -1)
        out = self.classifier(out)
        return out

    @staticmethod
    def _make_layers(cfg):
        layers = []
        in_channels = 3
        for x in cfg:
            if x == 'M':
                layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
            else:
                layers += [nn.Conv2d(in_channels, x, kernel_size=3, padding=1),
                           nn.BatchNorm2d(x),
                           nn.ReLU(inplace=True)]
                in_channels = x
        layers += [nn.AvgPool2d(kernel_size=1, stride=1)]
        return nn.Sequential(*layers)

---

对于随机参数，情况不应该是这样。你是如何做到这一点的，你能分享这个脚本吗？你能在上传到网络之前对图像进行标准化吗？是否可能由于随机权重+图像值，最终导致隐藏层响应低于ReLU阈值-从而导致所有输入具有相同的登录？对于随机参数，情况不应如此。你是如何做到这一点的，你能分享这个脚本吗？你能在上传到网络之前对图像进行标准化吗？作为随机权重+图像值的结果，是否可能最终导致隐藏层响应低于ReLU阈值-从而导致所有输入的登录相同？