首先，我想道歉，因为我不允许发布大量代码，因为它适用于大学项目，但我严重陷入困境。
我正在尝试使用TensorFlow使用CIFAR-10数据集训练ConvNet，使用以下模型：
- 图片：[32,32,3]
- conv1：5,5,3,64 +偏见[64]（初始化为0.0＆＃39; s）
- norm1：depth_radis = 4，bias = 1.0，alpha = 0.001 / 9.0，beta = 0.75
- pool1：ksize = [1,3,3,1]，strides = [1,2,2,1]，padding = SAME
- conv2：5,5,64,64 +偏见[64]（初始化为0.1＆＃39; s）
- pool2：ksize = [1,3,3,1]，strides = [1,2,2,1]，padding = SAME
- norm2：depth_radis = 4，bias = 1.0，alpha = 0.001 / 9.0，beta = 0.75
- local1：8 * 8 * 64,384 +偏见[384]（初始化为0.1＆＃39; s）
- local2：384,192 +偏见[192]（初始化为0.1＆＃39; s）
- dropout：keep_prob = 0.5
- softmax：[192,10] +偏见[10]（初始化为0.0＆＃39; s）
然而，我得到的结果是（批量为1000）：
- 步骤0，训练精度0.09
- 步骤1，训练准确度0.096
- 步骤2，训练准确度0.1
- 步骤3，训练准确度0.108
- 步骤4，训练精度0.122
- 步骤5，训练准确度0.094
- 步骤6，训练精度0.086
- 步骤7，训练准确度0.082
- 步骤8，训练准确度0.104
- 步骤9，训练精度0.09
我使用以下内容更新权重：
cross_entropy = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(y_conv + 1e-10, y_))
train_step = tf.train.AdamOptimizer(0.0001).minimize(cross_entropy)
这是我一直在阅读的指南：https://www.tensorflow.org/versions/r0.11/tutorials/deep_cnn/index.html#convolutional-neural-networks
我尝试将学习率从1e-1改为1e-8，但没有运气。
任何帮助是极大的赞赏。提前谢谢。