为什么我总是得到与 pytorch 中 CNN 中的结果相同的值？

如何解决为什么我总是得到与 pytorch 中 CNN 中的结果相同的值？

这是我的代码

dataset = pd.read_csv('augmented_data.csv')
dataset = dataset.sample(frac=1)

class ConvNet(nn.Module):
def __init__(self):
    super(ConvNet,self).__init__()
    self.conv1 = nn.Conv2d(3,6,5)
    self.pool = nn.MaxPool2d(2,2)
    self.conv2 = nn.Conv2d(6,16,5)
    self.fc1 = nn.Linear(1024144,120)
    self.fc2 = nn.Linear(120,84)
    self.fc3 = nn.Linear(84,1)

def forward(self,x):
    x = self.pool(F.relu(self.conv1(x)))
    x = self.pool(F.relu(self.conv2(x)))
    x = x.view(-1,1024144)
    x = F.relu(self.fc1(x))
    x = F.relu(self.fc2(x))
    print(x)
    x = self.fc3(x)
    return x   

files_read = 0
preprocess = transforms.Compose([
transforms.Resize(1024),transforms.ToTensor(),transforms.Normalize((0.5,0.5,0.5),(0.5,0.5))])

# device = torch.device('cuda' if torch.cuda.is_available else 'cpu')
device = torch.device('cpu')

# model = ConvNet().to(device)

criterion = torch.nn.MSELoss(reduction='sum')
optimizer = optim.Adam(model.parameters(),lr=0.001)

results = []    
for index,row in dataset.iterrows():
    try:
      image = load_img('padded_images/' + row['image_name'] +'.jpg')
    except:
      image = load_img('augmented_images/' + row['image_name'] +'.jpeg')

    files_read += 1

    input_tensor = preprocess(image)
    input_batch = input_tensor.unsqueeze(0).to(device)

    if files_read <= 80 * len(dataset) // 100:
        output = model(input_batch)
        optimizer.zero_grad()
    
        y = torch.tensor([[float(row['target'])]]).to(device)
        loss = criterion(output,y)
    
        loss.backward()
        optimizer.step()
    else:
        model.eval()
        output = model(input_batch)
        results.append([1.0 if output[0][0].double() > 0.5 else 0,float(row['target'])])

     

所以我使用 pytorch CNN 将 60k 图像分为 2 个类别。当我在模型训练后打印输出时，无论输入的图像是什么，输出总是“tensor([[0.6384]],grad_fn=)”。始终相同的值。所以它只预测 1（因为它大于 0.5）。问题是，当我在训练时打印输出时，结果会有所不同（16、1、0、4、0.6 等）但是当我打印输出（使用相同的模型但未经过训练）时，结果变化不大（0.5、0.51、0.49、0.52、0.55）。所以我认为可以肯定地说它正在收敛到一个单一的值。我只是不知道为什么。我可以做些什么不同的事情？