Keras softmax层返回一个热编码数组

我使用一个简单的网络进行分类，但是预测的输出是一个热编码的。我检查了损失函数内部，实际输出是正确的

ip = Input(shape=(padding_size, n_features))   
x = LSTM(50, activation='relu')(ip)
x = Dropout(0.2)(x)
out = Dense(3, activation='softmax')(x) 
model = Model(ip, out)

我正在使用一个自定义损失函数。y_true的前三项是标签的一个热编码，其余三项是函数内部使用的值

def odds_loss(y_true, y_pred):

    print(y_pred) #see below
    print(y_true) #see below
    
    true_1 = y_true[:, 0:1]
    true_2 = y_true[:, 1:2]
    true_3 = y_true[:, 2:3]
    feature_a = y_true[:, 3:4]
    feature_b = y_true[:, 4:5]
    feature_c = y_true[:, 5:6]

    vector = K.concatenate([
        true_1 * (feature_a - 0.3),
        true_2 * (feature_b - 3.3) + K.log(feature_b - 1),
        true_3 * (feature_c - 2.8)
    ], axis = 1)

    return -1 * K.mean(K.sum(vector * y_pred, axis=1))

一批四种元素的打印输出为：

tf.Tensor(
[[0.33180252 0.3375508  0.3306467 ]
 [0.3335974  0.3334575  0.33294514]
 [0.33349878 0.333613   0.33288828]
 [0.3354906  0.3324541  0.33205533]], shape=(4, 3), 
dtype=float32)

tf.Tensor(
[[1.  0.  0.  1.467  3.252  5.312]
 [0.  1.  0.  1.251  2.851  4.665]
 [0.  1.  0.  1.642  2.319  5.133]
 [0.  0.  1.  1.635  1.996  3.985]], shape=(4, 3), 
dtype=float32)

正如所料，在这个阶段，这只是随机猜测。但是，如果我使用一些测试数据执行预测，我只会得到一个热编码数组，所有这些都是一样的：

y_pred = model.predict(X_test)
print(y_pred)

[[0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]
 [0. 0. 1.]]

我手动检查了loss函数内部的操作，返回值与预期一致。为什么我得不到与损失函数内相同的输出