训练评估指标无变化且预测值一致？排查指南

当训练时评估指标没有变化且预测值都一样时，可能存在以下几种原因：

数据集问题：检查您的训练数据集是否存在问题。可能存在数据标签错误、数据集重复样本或数据分布不平衡等问题。确保数据集的质量和多样性。您可以尝试查看数据集的标签分布情况，以及检查是否存在数据预处理中的错误。
模型问题：评估指标没有变化和预测值都相同可能是模型存在问题。可能的原因包括模型结构设计不当、超参数选择不合适、梯度消失或梯度爆炸等。您可以尝试更改模型的架构、调整超参数（如学习率、正则化项等）或使用不同的优化算法。
训练问题：检查训练过程是否存在问题。可能的原因包括训练数据集和验证数据集的重叠、训练样本量过小、训练过程中的数据扩增方法不合适等。确保训练数据和验证数据之间没有重叠，并尝试增加训练样本数量或改进数据扩增策略。
代码问题：检查您的代码是否存在错误或逻辑问题。可能存在损失函数的实现错误、模型训练循环中的错误或评估指标计算的错误等。仔细检查代码以确保正确实现了模型训练和评估的过程。

针对这些可能的原因，您可以逐步地进行排查和调试，以找出问题所在。同时，观察模型训练过程中的损失函数值和评估指标的变化情况，以便更好地理解问题的根本原因。