当网络更深时，逻辑回归总是预测相同的值

Question

我使用Darknet来训练逻辑后退模型。但对于不同的输入图像，它始终会输出相同的预测。

但是当我删除一些卷积层时，它似乎很正常。（不同输入图像的输出不同）

cfg模型文件如下：

  

[net]
  一些参数...
  [卷积]
  [卷积]
  [快捷键]
  ...
  [avgpool]
  [已连接]
  batch_normalize = 1
  输出= 1
  激活=线性
  
  [物流]

我尝试了不同的学习速度和动力。不行。
并且训练数据是平衡的。两个类别，每个类别15000张图像。
有什么建议吗？ 谢谢。