我正在设计一个带有一副纸牌作为输入和3个输出的神经网络：直线，同花顺或都不是。
在我的代码中，牌组表示为（13,4）矩阵（数字和西服）。使用2个完全连接的层（每层256个单元）解决这个问题很简单（输入是扁平的，因此最终是（52）而不是（13,4）。损耗相当稳定地下降了，我的精度很快上升到100％。
我希望我的网络能够使卷积变得更快，因为直人忽略了花色而同花顺忽略了数字。
所以我首先尝试的是使用2d转换使它成为1个通道。我先实验了1个转换层，然后进行了2次fc层。
我的第一个直觉是制作内核（5,4）。从理论上讲，它至少具有检测直线的完美格式。它无法收敛：损耗到处都是，每个输出的精度也是如此（我分别监视每个输出的精度）。然后我尝试了一堆不同的内核大小，但仍然学不到任何东西。
所以我认为也许我应该采取不同的方法：让我们将西装视为4个通道，并运行1d转换而不是2d。尝试了不同的内核大小，也没有运气。
因此，在这一点上，我开始质疑我的假设是否完全正确。卷积是查看（13,4）卡座并检测图案的好方法吗？对我来说似乎很明显，但是，由于我无法使其正常工作，所以我正在寻求帮助。
这对这个特定问题并不重要，但是我正在使用python和pytorch。