Keras 为什么所有训练样本的预测结果都相同？

我有一个带有

num_标签的神经网络

独立输出，其中每个输出由一个带有两个节点的softmax层组成（是/否）

我获取

卷积层的输出

，并将其作为简单

softmax\u层

的输入，我进一步将其输入到每个所述输出中：

softmax\u层=密集（num\u标签，activation='softmax'，name='softmax\u层'）（卷积层）
输出=列表（）
对于范围内的i（num_标签）：
out_y=densite（2，activation='softmax'，name='out_{:d}'。格式（i））（softmax_层）
输出。追加（输出）

到目前为止，我能够通过对模型进行训练，但现在我注意到，对于一批完全不同的样品，我得到了完全相同的输出：

请注意：这里，每列由（2,1）个数组组成。每列为一个样本的预测值

我检查过样品，它们不一样。我还尝试将

卷积层

输入到输出中。在这种情况下，预测是不同的。我只有按照上面所示的方法才能看到这个结果

我可以接受这样一个事实，即产出是“相似的”。在这种情况下，我认为网络只是在学习，而不是我想让它学习的东西，但由于它们实际上是一样的，我不太确定这里的问题是什么

---

我尝试过类似的简单前馈网络：

类前馈：
定义初始（自、输入尺寸、nb类）：
in_x=Input（shape=（Input_dim，），name='in_x'）
h1=密集（14，name='h1'，activation='relu'）（in_x）
h2=稠密（8，name='h2'，activation='relu'）（h1）
out=密集型（nb_类，名称='out'，激活='softmax'）（h2）
self.model=model（输入=[in_x]，输出=[out]）
def compile_model（self，optimizer='adam'，loss='binary'u crossentropy'）：
self.model.compile（优化器=优化器，损耗=损耗，度量=[“精度”]）

但它的行为类似。我无法想象这是由于数据不平衡造成的。有13个班。有一些不平衡，但它不像一个类有90%的质量

---

我这样做对吗？

你的是/否课程是否平衡？一个比另一个更常见吗？@MatiasValdenegro不，它们不平衡，你是对的，这会在这里引起问题，结果可能不是很令人满意。然而，奇怪的是，所有样本的结果都是完全相同的，不是吗？这取决于有多不平衡，问题是如果其中一个类占数据的90%，然后，NN可以学会始终输出该类，并获得90%的准确率。@MatiasValdenegro供您参考。我在github存储库中用运行示例代码+所需的数据集（csv文件）提出这个问题。如果需要，请查看：