我在使用PyTorch教程，稍作修改以使用泰坦尼克号数据集。我使用了一个非常简单的网络，由带ReLU的线性（密集）层组成…例如，我想根据年龄、票价和性别来预测生存状态。

我在一款简单的神经网络上遇到了奇怪的行为（我在Google Colab上进行实验）。有时候当我执行训练时，准确率完全没有变化。这很奇怪，因为我重新创建了模型…

准确率: 59.4%, 平均损失: 0.693147[...50行或更多类似的行...]准确率: 59.4%, 平均损失: 0.693147

有时候准确率会从60%缓慢增加到80%。

另一件事是，尽管我用的是…同一个训练集进行验证，但准确率非常低（在60-80%之间变化）！

我尝试了几种不同的学习率、批次大小和训练轮数的组合，也尝试了不同数量的神经元，但它仍然表现得非常…不可预测且效果不佳。你能告诉我为什么有时候网络根本不学习吗？如果我重新运行几次，它又开始学习了。应该如何改进这个网络？

这是我的Python笔记本：https://colab.research.google.com/drive/1-50BTqnMgiz_dozv1DjXS9advD1Rxd-B?usp=sharing

提前感谢！

回答：

由于这是一个分类问题，你的神经网络的最后一层不应该使用relu激活函数。

代码片段：

class NeuralNetwork(nn.Module):    def __init__(self):        super(NeuralNetwork, self).__init__()        self.fun = nn.Sequential(            nn.Linear(3, 32),            nn.ReLU(),            nn.Linear(32, 1)        )    def forward(self, x):        return self.fun(x)