我是初学者，我试图在C＃中实现Backpropagation用于学校目的（所以现在没有张量流，我们必须手动学习它）。我有64个节点用于输入层，64个节点用于输出层，有点像Autoencoder结构，因为我们稍后将讨论MLP。
我将Delta输出计算为：
delta_out = (y_out) * (1 - y_out) * (desired - y_out)
我已经测试了我的程序到XOR输入/输出场景，它会正确猜测这个场景，但是如果我将所有64个节点的输入和输出，那么它将不会给我正确的预测（如0％精度）。
我还尝试将所有delta_out abs（delta_out）计算在内。对于XOR场景，随着训练的进行，delta_out的绝对和接近于零。但是如果我选择64输入和输出测试，那么所有delta_out的绝对总和从一个非常小的数字开始并保持不变。
对于正常工作的XOR（我也尝试过正常工作的OR和AND测试），我使用以下结构2个节点进行输入，4个节点用于隐藏，1个节点用于输出。 / p>
对于64输入和输出，我已经测试了隐藏层的各种节点数，从8个节点到128个节点。如果我使用64个或更多节点作为隐藏层，那么所有delta_out的绝对和即使在开始时也接近0并且变化太慢。
我还测试了各种学习率（隐藏和输出层的学习率不同）。我从0.1到0.75进行了测试，但似乎对我应该完成的64输入/输出没有任何帮助。我也把时代的数量从100k改为500k，但似乎没有任何帮助。
也许我不太了解Backpropagation概念？