CNN损失停留在2.302（ln（10））

我正在尝试对神经网络进行建模以解决CIFAR-10数据集，但是我面临着这个非常奇怪的问题，我已经尝试了6种不同的CNN体​​系结构，并使用了许多不同的CNN超参数和完全连接的#neurons值，但似乎都为了失败而损失2.302，而相应的精度为0.0625，为什么会发生这种情况，CNN或神经网络的特性使它如此，我还尝试了dropout，l2_norm，不同的内核大小，CNN和Max Pool中的不同填充。我不明白为什么损失会卡在这样的奇数上？

我正在使用tensorflow来实现这一点，并且我尝试了softmax层+ cross_entropy_loss和not_softmax_layer + sparse_cross_entropy_loss。神经净损失函数停留在高原吗？

似乎您不小心将非线性/激活功能应用于网络的最后一层。请记住，交叉熵适用于介于0到1之间的值。当您在计算交叉熵之前通过应用softmax函数将输出自动“强制”到此范围时，应该仅“应用”线性激活功能（只是不添加任何功能）。

顺便说一下，2.302的值不是偶然的。相反，当您假设所有10个类别（CIFAR-10）最初都具有相同的0.1预期扩散概率时，softmax损失为-ln（0.1）。请查看Andrej Karpathy的解释：http ://cs231n.github.io/neural-networks-3/