Caffe classifocation.cpp всегда возвращает 100% вероятность

Я пытаюсь использовать пример классификации Caffe C++ (вот code), чтобы классифицировать изображение с помощью рукописной цифры (я тренирую свой модель в базе данных MNIST), но всегда возвращает такие вероятности, как

[0, 0, 0, 1.000, 0, 0, 0, 0, 0]  (1.000 can be on different position)

даже если на изображении нет номера. Я думаю, это должно быть что-то вроде

[0.01, 0.043, ... 0.9834, ... ]

Кроме того, например, для «9» всегда предсказывается неправильное число.
Единственное, что я изменяю в classification.cpp, это то, что я всегда использую ЦП.

//#ifdef CPU_ONLY    
  Caffe::set_mode(Caffe::CPU); // <----- always CPU
//#else
//  Caffe::set_mode(Caffe::GPU);
//#endif

Вот как выглядит мой deploy.prototxt

name: "LeNet"
layer {
  name: "data"
  type: "ImageData"
  top: "data"
  top: "label"
  image_data_param {
    source: "D:\\caffe-windows\\examples\\mnist\\test\\file_list.txt"
  }
}
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 20
    kernel_size: 5
    stride: 1
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layer {
  name: "conv2"
  type: "Convolution"
  bottom: "pool1"
  top: "conv2"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  convolution_param {
    num_output: 50
    kernel_size: 5
    stride: 1
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "pool2"
  type: "Pooling"
  bottom: "conv2"
  top: "pool2"
  pooling_param {
    pool: MAX
    kernel_size: 2
    stride: 2
  }
}
layer {
  name: "ip1"
  type: "InnerProduct"
  bottom: "pool2"
  top: "ip1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 500
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "relu1"
  type: "ReLU"
  bottom: "ip1"
  top: "ip1"
}
layer {
  name: "ip2"
  type: "InnerProduct"
  bottom: "ip1"
  top: "ip2"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 10
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}
layer {
  name: "loss"
  type: "Softmax"
  bottom: "ip2"
  top: "loss"
}    

file_list.txt это

D:\caffe-windows\examples\mnist\test\test1.jpg 0

А test1.jpg примерно такой

(черно-белое изображение 28 * 28, сохраненное в Paint, я пробовал разные размеры, но это не имеет значения, Preprocces () все равно изменяет его размер)

Для обучения сети я использую этот учебник, вот prototxt

Так почему же он предсказывает неправильные цифры и всегда со 100% вероятностью?

(Я использую Windows 7, VS13)