我正在使用TensorFlow来理解卷积自动编码器。我已经实现了一个简单的单层自动编码器：
输入（尺寸：95x95x1）---＆gt;编码（使用32个5x5滤波器进行卷积）---＆gt;潜在表示（维度：95x95x1x32）---＆gt;解码（使用绑定权重）---＆gt;重建输入（维度：95x95x1）
输入是黑白边缘图像，即RGB图像边缘检测的结果。
我随机初始化滤波器，然后训练模型以最小化损耗，其中损耗定义为输入和重建输入的均方误差。
loss = 0.5*(tf.reduce_mean(tf.square(tf.sub(x,x_reconstructed))))
经过1000步训练后，我的损失收敛，网络能够很好地重建图像。但是，当我可视化学习过滤器时，它们与随机初始化的过滤器看起来并没有太大差别！但是过滤器的值从训练步骤变为训练步骤。
我原本期望至少水平和垂直边缘滤镜。或者，如果我的网络正在学习＆＃34;身份过滤器＆＃34;我本以为过滤器都是白色的还是什么？
有没有人对此有任何想法？或者有什么建议我可以做些什么来分析正在发生的事情？我应该在解码之前包括池和depooling层吗？
谢谢！
P / S：我在RGB图像上尝试了相同的模型，并且滤镜看起来也是随机的（就像随机的颜色斑点一样）。
