Keras 顺序预测总是返回相同的结果答案

【问题标题】：Keras Sequential prediction always returning the same resultKeras 顺序预测总是返回相同的结果
【发布时间】：2021-07-09 18:22:12
【问题描述】：

这是我用来分类图片类别的算法 - 跑鞋、铅笔和书。然而，在 3000 个 shuffled 图像（这就是我所拥有的）上运行算法后，我注意到：

每一个epoch的val_accuracy都是一样的，等于0.3400
当我打印自己拍摄的 6 张图像的预测结果时，当它应该返回一个数值时，结果数组如下：

[[1.][1.][1.][1.][1.][1.]]
因为它总是 1，所以它总是会为我的每一张图片预测相同的类别，在我的例子中是书。
我已经按照另一篇帖子的建议进行了一项测试，用跑鞋和铅笔各 1000 个样本和一本书样本进行训练。结果始终是书。

算法：

model = Sequential()
model.add(Conv2D(64,(3,3), input_shape = X_train.shape[1:]))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(64,3,3))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dense(64))

model.add(Dense(1))
model.add(Activation('softmax'))

model.compile(loss="binary_crossentropy",
             optimizer="adam",
             metrics=['accuracy'])

model.fit(X_train, y_train, batch_size=24, epochs=3, validation_split=0.1)

predictions = model.predict(X_test)

输出（2692 个样本，因为有些是错误的）

Train on 2692 samples, validate on 300 samples
Epoch 1/3
2692/2692 [==============================] - 17s 6ms/sample - loss: -0.0171 - accuracy: 0.3354 - val_loss: -0.5111 - val_accuracy: 0.3400
Epoch 2/3
2692/2692 [==============================] - 20s 8ms/sample - loss: -0.0171 - accuracy: 0.3354 - val_loss: -0.5111 - val_accuracy: 0.3400
Epoch 3/3
2692/2692 [==============================] - 21s 8ms/sample - loss: -0.0171 - accuracy: 0.3354 - val_loss: -0.5111 - val_accuracy: 0.3400

当我运行 print(predictions) 时，结果是： [[1.][1.][1.][1.][1.][1.]]

谢谢！

【问题讨论】：

Softmax 输出总和为 1，并且您将它与一个神经元一起使用，因此结果一点也不令人惊讶。
我是 keras 新手，我应该如何修复代码，以便它可以描述 3 个不同类的可能性？
将最后一层改为model.add(Dense(3))
它给了我一个错误提示 ValueError: A target array with shape (2992, 1) was passed for an output of shape (None, 3) while using as loss binary_crossentropy.这种损失期望目标具有与输出相同的形状。
啊，如果你的标签是热编码的，那么损失也应该是categorical_crossentropy，否则sparse_categorial_crossentropy。

标签： python tensorflow machine-learning keras image-classification

【解决方案1】：

由于您尝试将数据分为 3 类，因此模型的顶层应该是

model.add(Dense(3))
model.add(Activation('softmax'))

您没有显示如何生成 X-train 和 y_train 的代码。如果 y_train 是一种热编码，那么你的 model.compile 代码应该是

model.compile(loss="categorical_crossentropy", optimizer="adam",
                   metrics=['accuracy'])

如果 y_train 是整数，model.compile 应该是

model.compile(loss="sparse_categorial_crossentropy", optimizer="adam",
                   metrics=['accuracy'])

【讨论】：