Loss函数返回负值的原因是什么？

Question

我使用 Keras 为入侵检测系统制作了一个 CNN 模型。我的损失结果有问题。请问如何修复我的代码。 这些是数据集的形状：

x_train shape: (1131151, 79)
y_train shape: (1131151, 2)
x_test shape: (53386, 79)
y_test shape: (53386, 2)
train shape after reshape: (1131151, 79, 1)
test shape after reshape: (53386, 79, 1)

我的模特是：

model = Sequential()

#convolution 1st layer

model.add(Conv1D(32, kernel_size=(filter_size), padding="same",
                 activation='relu',
                 input_shape=(X_train.shape[1], 1)))
model.add(BatchNormalization())
model.add(Dropout(droprate))
          
#convolution 2nd layer
model.add(Conv1D(64, kernel_size=(filter_size), activation='relu', padding="same"))
model.add(BatchNormalization())
model.add(MaxPooling1D(strides=1))
model.add(Dropout(droprate))

#convolution 3rd layer
model.add(Conv1D(128, kernel_size=(filter_size), activation='relu', padding="same"))
model.add(BatchNormalization())
model.add(MaxPooling1D(strides=1))
model.add(Dropout(droprate))

#FCN 1st layer
model.add(Flatten())
model.add(Dense(128,use_bias=False))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(droprate))

#FCN 2nd layer
model.add(Dense(32,use_bias=False))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(droprate))

#FCN 3rd layer
model.add(Dense(16,use_bias=False))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(droprate))

#FCN final layer
model.add(Dense(2))
model.add(Activation('sigmoid'))

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

model.summary()

我的结果是：

score = model.evaluate(X_test, preprocess.y_test, verbose=0)
Test loss: 9.198558109346777e-05
Test accuracy: 0.9999812841415405

如您所见，损失函数为负数，准确率接近 100% 我的代码有什么问题？

Answer 1

测试损失：9.198558109346777e-05 该值不是负数。这是 10 的 -5 次方或 0.00009198558 的科学形式。