问推理结果取决于训练批次中图像的顺序。

EN

我在相同的5幅图像数据集上训练了两次相同的网络。第一次，每一步的批处理中的图像顺序是相同的。这是第二次，这批人在每次训练前都被洗牌了。两种型号都太合适了。这两种模型都在训练数据集的洗牌图像上进行了测试。firs模型的准确率为100%。`

Prediction  Labels
[6 1 4 3 7] [6 1 4 3 7]
[3 4 1 7 6] [3 4 1 7 6]
[6 1 4 3 7] [6 1 4 3 7]
[4 3 7 6 1] [4 3 7 6 1]
[4 7 6 3 1] [4 7 6 3 1]
[1 3 7 6 4] [1 3 7 6 4]
[3 1 6 7 4] [3 1 6 7 4]

The second model shows accuracy close to a random guess. ```

```javascript

预测标签

1 4 3 6 7

3 6 4 1 7

1 6 3 7 4

4 7 3 6 1

3 6 7 4 1

1 3 7 4 6

1 4 7 3 6

相关问题-无

环境：

• Ubuntu 14.04 64位
• 库达8.0
• cuDNN 5.1
• tensorflow 0.12.1来自具有GPU支持的pip

数据集

来自MNIST的5幅图像

附呈档案

包含可重复示例的代码。

• runner.py负责准备映像批处理并维护队列。
• network.py包含简单神经网络的代码(2个卷积层，带relu激活，softmax输出层)
• train_not_shuffled.py使用非改组的批处理对网络进行培训和测试。
• train_shuffled.py使用混洗批量对网络进行培训和测试

example.gz

我对模型进行了多次重新培训，尝试了不同的数据集和网络体系结构。我将图形可视化，以确保推理使用相同的变量。我还可视化了权重，在两种情况下，它们看起来略有不同，但不包含任何可以解释这种行为的异常。