一个简单神经网络的初始化随机权重失败

有一些图像识别功能为此目的使用神经网络。需要明确的是，它接受对象 A、对象 B 和未定义的对象。它的任务是确定：第三个A还是B？训练数据是已知对象。现在，让我们跳过这一点。

了解更多关于训练这个神经网络的过程。存在神经网络不训练的权重的随机初始化。即第二层的识别误差保持在0.5±0.05或0.25±0.05以内。

我在训练过程本身中确定这些情况：如果在大量重复时误差大于阈值，那么我们从权重初始化的那一刻起重复整个训练过程。也就是说，我们正在尝试使用新的权重。

一切都会好起来的，但是白蚁会吃掉这个冷代码的木拐杖。onnaya功能被称为时代的云。训练过程需要，比如说，可接受的 2 秒。这是基于 1 次重复训练。这些相同的重复可能会有所不同！至少 2、10、18、25。随便你……可以忍受。这不是我提出问题的原因。我遇到了以下问题：400 多次重复无济于事。每次秤都初始化失败。神经网络无法克服这个错误阈值的魔咒。在所有重复中，误差在先前指示的范围内波动。

关于随机初始化和神经网络本身。神经网络取自这篇文章。像神经网络一样，函数本身高度适应特定任务。给出完整的代码将是相当困难的。因此，我离开了这篇文章。随意滚动到最后。我的 neroset 代码实际上是相同的。

权重本身的初始化：

in_connections =numpy.prod(объект_а.shape)
out_connections=2#  так как у нас два изображения в тренировочных данных. На самом деле у меня их больше.
syn0=2 * numpy.random.random((in_connections, out_connections)) - 1
syn1=2 * numpy.random.random((out_connections, 1)) - 1

1. 我已经尝试通过根据程序运行时间更改 numpy.random.seed (by_random_number) 来解决（尝试失败）（不超过 100，不重复，每 10 次不成功的训练更改一次）。
2. 已经尝试在单独的测试中重复 400 多个不成功的测试。也就是说，我拿了坏人（数据本身，在这个问题下发生了这个问题），在一个单独的测试中，我无法从 51 次尝试中重复这个问题。记录少于 90。测试是在两个射击范围内进行的：有和没有第一点。

这可能有点矫枉过正，但坏人有 4 个输出为 1 的图像和 3 个输出为 0 的图像。

哇..这个拐杖可以用铁制成吗？也许您可以评估权重的初始化情况，从而消除 1000 多个明显糟糕的训练周期？或者有没有治愈的方法？甚至没有猜测，但代码既不会生病也不会被禁用 x)。