编辑：该问题是我的粗心大意，而不是结构不正确。或更确切地说，该结构是不正确的，但仅是由于某种错字。我在输出层之前的每一层上都使用了ReLU激活，但是我也对池化层的输入上分别进行了ReLU激活。所以我每次都做两次ReLU。我仍然对模型有疑问，但是至少我得到的输出是变化的。
我在PyTorch中建立了一个全卷积神经网络，在训练模型后获得结果时遇到了一些麻烦。现在，训练部分还不是很完美，但是现在它将大大减少损失，使我的结果至少看起来像这样。但是，当我根据训练数据进行测试预测时，每个样本的结果都是相同的。
要稍微了解一下目的和结构，输入数据是图像，结果应为单个值（回归）。如前所述，它是完全卷积的，结构是Conv / ReLU> pooling 3次，然后最后一层只是1x1x1 conv，没有激活。损失函数是均方误差，我正在使用SGD作为优化器。
我的代码有点长，有点丑陋，我不确定是哪个特定部分导致了错误。因此，目前我不会在此处发布任何内容，但是如果某人对一般罪魁祸首有直觉，则可以发布任何要求的部分。
我只是希望这是一个问题，可以使经验丰富的人员快速了解错误地设置了什么总体结构。在我看来，这很可能是网络本身，因为正如我说的那样，它看起来可以很好地训练，但是无论输入图像如何，输出始终是相同的单个浮点数。也许是激活功能（或最后一层缺少激活功能）？还是实际上是培训步骤，而我正在做一些事情弄乱最终结果？我应该注意，最后一层的权重值似乎是每个预测的值。
输入被标准化（即减去均值并用stddev除以每个图像），而目标只是减去均值并且在-1到1的范围内（原始值为0到1）。