现有一个使用Relu激活函数的网络，训练过程中发现，它对所有的输入样本都输出一样的预测概率，比如二分类，对所有样本的预测概率都是[0.4,0.6]。由于预测概率都一样，因此预测标签也都一样，全预测为0或1。
一开始以为是不是网络结构搭建有问题，因为当网络参数确定后，不同的输入样本的输入数据不一样，那么输出的预测概率肯定不一样，怎么会全输出一样的概率。然后一层一层找原因，发现某一卷积层的输出值全为0。经过分析，该层使用的是Relu激活函数，而且该层训练后的权值W和偏置b都是负数，这样，输入在这一层的卷积运算结果全为负值，再经过Relu激活函数后，这一层的输出值就全为0。因此，不管输入样本是什么，经过该层后的输出都为0，从而导致网络最终输出的预测概率和输入样本完全没有关系，此时输出概率取决于这一层后面层的偏置参数b。
解决方法：
换一种网络参数的初始化方法，或者改变初始化方法中的参数（比如使用正态初始化的话可以尝试改变方差）
网络参数的初始化方法：
https://blog.csdn.net/weixin_38314865/article/details/106049511