我正在开发一个用于神经网络图像处理的Python应用程序

我提供了一组数据集，展示了处理后的图像应该是什么样子。现在我有50张宇宙图像作为训练集。作为输入，我提供了一张空白的黑色图像，作为结果，我提供了训练集中的每张图像。

我进行了100个周期的训练，使用了5个隐藏神经元；然而，当我尝试用不同的输入激活我的网络时，我得到了相同的结果。看起来输出似乎只是训练集图像的叠加。

这是代码和最后一次激活的截图：https://gist.github.com/anonymous/6e0e125bddcbb594c1a79c3a28d5d8af

附注：如果问题仍然不清楚（我收到了关于不清晰的警告），显然我不想得到相同的结果。问题是如何让它正常工作。

回答：

如果你输入的是黑色图像，那就意味着你输入的是只包含0的图像，也就是一个全0的数组。

因此，无论层数或层类型如何，训练期间输出总是会是0（任何值乘以0都是0）。唯一可能导致输出不为0的情况是，如果你在每一层使用了偏置。偏置是添加到每个神经元输入的一个小常数。所以在你的情况下，我认为输出总是相同的，因为你的神经网络收敛到只使用层中的偏置。使用一张白色的图像，或者更好的是使用原始（未处理）的图像会更好。

顺便问一下，你的神经网络架构是什么？它包含多少权重？