我正在尝试使用matconvnet软件包在matlab中微调 imagenet-vgg-f 网络。而不是1000个类，它只能分类两个。
如果我只将最后一层从1000更改为2个输出神经元，那么一切工作都很顺利。但是，如果我在最后一层之前添加一个（或多个）附加（完全连接）层，则网络不会收敛。它以0.369的评估误差开始，并在所有训练时期保持不变。事实证明，0.369是我在数据集中的 class 2 图像的一部分。所以网络总是说 class 1 。
net= load('imagenet-vgg-f.mat') ;
f=1/100;
net.layers{end-1} = struct('type', 'conv', ....
'weights', {{f*randn(1,1,4096,24, 'single'), zeros(1, 24, 'single')}}, ...
'stride', 1, ...
'pad', 0, ...
'name', 'fc8') ;
net.layers{end}=struct('type', 'relu') ;
net.layers{end+1}=struct('type', 'conv', ...
'weights', {{f*randn(1,1,24,2, 'single'), zeros(1, 2,'single')}}, ...
'stride', 1, ...
'pad', 0, ...
'name', 'fc8') ;
net.layers{end+1} = struct('type', 'softmaxloss') ;
我正在使用0.9的动量和0.001的学习率训练部署的cnn_train.m。改变这些参数并没有帮助学习过程。我也尝试了sigmoid激活fcts而不是relu，但这也没有帮助。
知道我做错了什么吗？特别考虑到当我不从4096到24到2但直接从4096到2个神经元时，一切都完美无缺。
提前致谢
纳斯