Interpretieren von Tensorboard-Verteilungen - Gewichte ändern sich nicht, nur Biases

Ich habe ein neuronales Netzwerk, das wie folgt organisiert ist:

Nachdem ich die Verteilung des Tensorboards betrachtet habe, habe ich folgendes erhalten:

Die folgende Abbildung zeigt die Ausgabe der Aktivierungen im Zeitverlauf.

Aus der Verlustzahl geht daher klar hervor, dass das Netzwerk lernt. Darüber hinaus zeigen alle Verzerrungen als die Quelle, dass sie als Ergebnis des Lernens verändert werden. Aber was ist mit den Gewichten, es sieht so aus, als ob sie sich nicht mit der Zeit verändert haben? Ist es logisch, was ich von seinen Zahlen bekomme? Bitte beachten Sie, dass ich nur eine Teilmenge der Bilder für die Gewichte und Verzerrungen in der Grafik gepostet habe. Alle Gewichtsangaben sind ähnlich denen, die ich hier vorgestellt habe, und ebenso für die Vorurteile Biases scheinen zu lernen, während Gewichte nicht !!

Hier ist die Art, wie ich den Graphen konstruiert habe:

Jede Hilfe wird sehr geschätzt !!