问题：
使用SE_Inception_resnet_v2训练了分类模型后，我将看不见的图像用于预测。但是，结果始终相同。例如，结果始终是 logits = [.1，.2，.3] 。
通过调试代码，我发现使用tensoflow的batch_norm函数归一化的值在一个特定层中全为零，使用batch_norm函数的其他层仍然可以输出标准化的输入值。就我而言，它在 Reduction_B / cond / Merge：0 节点中输出所有零值。
更多，我检查了该特定层上batch_norm函数的输入数据和参数。输入数据很好，但是参数 moving_variance是NaN ，但是moving_mean很好。有趣的是，以前的 moving_variance 更新也可以。
我认为这是造成我问题的原因，谁能解释这是什么原因，我该如何解决？谢谢
答案 0 :(得分：1)
问题已解决。解决方案是批量大小必须大于1 。我将在下面发布两个案例，以显示一个正在运行，而另一个不适用于我的情况。
案例1 ：（失败）
培训样本数：10
批量大小：1
迭代次数：10
案例2 ：（成功）
培训样本数：10
批次大小：2
迭代：5