为什么GoogLeNet将所有输入归为同一输出类？

Question

我似乎在使用GoogLeNet进行分类时遇到问题。

我正在使用以10 KHz采样的振动数据（420×10002矩阵）。取振动数据的CWT并获得比例图。这些比例尺用于训练GoogLeNet，以对以下六个输出类别进行分类：“十”，“二十”，“三十”，“四十”，“五十”和“六十”。

但是不管输入如何，我都得到输出“ TWENTY”。

我正在使用cwtfilterbank绘制比例图。对于GoogLeNet，我仅使用默认条件，

80％用于验证，20％用于测试

MiniBatchSize = 15

MaxEpochs = 50至200

InitialLearnRate = 1e-4

ValidationFrequency = 10

我发现最佳数量的MaxEpochs是验证精度最高的那个。

我已附上代码片段和网络层图

% Scalogram
Fs = 10000;
filb = cwtfilterbank('SignalLength',10000,'SamplingFrequency',Fs,...
'VoicesPerOctave',12);
sg = vibhistory.data(1,1:10000);
[cfs,freq] = wt(filb,sg);
t = (0:9999)/Fs;
figure;
pcolor(t,freq,abs(cfs));
% GoogLeNet
rng default
[imgTr,imgVal] = splitEachLabel(allImg,0.8,'randomized');
net = googlenet;
lgraph = layerGraph(net);
options = trainingOptions('sgdm',...
                      'MiniBatchSize',15,...
                      'MaxEpochs',120,...
                      'InitialLearnRate',1e-4,...
                      'ValidationData',imgVal,...
                      'ValidationFrequency',10,...
                      'Verbose',1,...
                      'ExecutionEnvironment','cpu',...
                      'Plots','training-progress');
rng default
mygn = trainNetwork(imgTr,lgraph,options);

我正在使用Mathworks网站上提供的示例代码来解决ECG分类问题（CWTGoogLeNet）。尽管对于他们的数据来说很好用，但对我的数据却不起作用。

我已经在Internet上广泛搜索了类似的问题，并且也实现了答案，

1. 我尝试过更改初始学习率
2. 重新安排了培训批次
3. 使用较小的培训批次（约20张图像）
4. 归一化输入图像

但是我只得到相同的相似输出。

我在这里做错了什么？我是否应该以特定的方式安排训练集和输出标签，还是需要替换网络中的某些层？还有什么可能是这里的问题？ 任何帮助都会很棒。谢谢。