也许你犯了一个错误，把你的代码放在这里。但是没有看到你的代码，这些是可能的点：

• 消失的问题，由于网络非常浅，我不认为你有这个问题。您可以将激活函数更改relu为以避免这种情况。
• Covariat shift，这意味着类似于必须归一化的输入特征，必须对更深层的输入进行归一化。归一化过程的方式是，每一层的输入应该有一个不会改变的特殊分布。您可以使用批量标准化来避免该问题。

• 编码中的错误，您可能以错误的方式将每一层的激活馈送到下一层，或者如果您没有使用矢量化，您可能没有同时更新权重。还有许多不同的原因可能会导致代码中的错误。

• 每层的神经元数量可能不够，请尝试增加它们。要了解增加层数和每层神经元数量的含义，您可以查看此处。

运行“梯度检查”来定位错误发生的位置，因为它看起来是一个常见的典型错误。您不应该在如此浅的网络上体验到任何数值精度

但是，在实际的梯度检查过程中可能会出现数值精度。看看这个被警告：链接

此外，您的权重可能太大 - 阅读有关 Xavier init 的信息

训练 nn 并不总是那么容易。如果你的训练准确率只有 50%，这意味着你的网络并没有真正在学习。可能会出现很多问题，但是对于这样一个简单的问题，我敢打赌你遇到了梯度消失的问题。如果您尝试使用 relu 激活隐藏层，您可能会解决消失梯度问题。我认为值得一试。

如果你使用 Tensorflow 运行你的 nn，一种检查梯度是否为 0 的方法是使用 Tensorboard。