我还在学习如何实现tflearn网络，所以请耐心一些。我尝试了tflearn的示例代码，来自这里：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py

奇怪的是，损失值从未下降，在整个训练过程中，我看到的验证准确率始终是10%（在这个数据集上相当于随机猜测）。

然而，仅仅是注释掉2D卷积和最大池化操作，验证准确率在前10个周期内就跳到了0.47。

这是修改后的代码，似乎能得到更好的结果。其余代码与上述链接中的相同

network = input_data(shape=[None, 32, 32, 3],                     data_preprocessing=img_prep,                     data_augmentation=img_aug)#network = conv_2d(network, 32, 3, activation='relu')#network = max_pool_2d(network, 2)#network = conv_2d(network, 64, 3, activation='relu')#network = conv_2d(network, 64, 3, activation='relu')#network = max_pool_2d(network, 2)network = fully_connected(network, 512, activation='relu')network = dropout(network, 0.5)network = fully_connected(network, 10, activation='softmax')network = regression(network, optimizer='adam',                     loss='categorical_crossentropy',                     learning_rate=0.001)

我只是有点担心和困惑，tflearn网站上给出的示例实现，在实现2D卷积步骤时会产生随机分类。其他人之前有遇到过这种情况吗？或者有人能帮我解释一下为什么会发生这种情况吗？或者这是否是conv_2d代码中潜在bug的症状？

回答：

原来是CUDA或CudNN库中出现了错误。如果我在运行脚本前关闭GPU计算，损失值会立即下降，验证准确率也会上升。

export CUDA_VISIBLE_DEVICES=''python .....