返回信息流问题：是不是在分类问题下，每一类样本的特征不能差别过大？
背景：目前有自建的一个手写数字（0-9）的数据集，一共是100*10个样本，每一类下是数字经过-60度，-30度，0度，30度，60度偏转的图片（即20*5个），也就是一共10类，每一类下是该数字的偏转的集合，训练之后发现识别结果几乎全是8[ema1]，lz初入CNN，想问下是不是因为同一类样本下的特征差别过大，导致训练效果不佳？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #37117同步于 2020/10/5
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
初入CNN，有个问题
ShawFu
2020/10/5镜像同步18 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
试了下mnist，识别结果还挺好[ema0]
【 在 BruceWayne94 的大作中提到: 】
: 先跑mnist排除一下是不是你自己模型/代码的问题
: 发自「贵邮」
: ............