Keras 神经网络（反向传播）的输入是否正确执行？

我目前正在尝试建立一个网络来学习预测单位圆（向量到点的长度<1，如a）。 我不确定输入是否正确（即使“预期”图是正确的），因为当完成训练时，我会感到奇怪

网络： 2输入（x，y） 4隐藏的 1输出（灰度值）

参见以下代码，例如keras：

import math
import matplotlib.pyplot as plt
import numpy
from keras.models import Sequential
from keras.layers import Dense

#init values
a = 100 #diagramsize/2
X = numpy.zeros(((2*a+1)**2,2))
y = numpy.zeros(((2*a+1)**2))

########################################creation of circle data
n=0
for i in range(-a,a+1):
    for j in range(-a,a+1):

        X[n] = [2*i/a,2*j/a]
        out = ((((2*i/a)**2)+((2*j/a)**2))**0.5)
        if out < 1:
            y[n] = 1
        else:
            y[n] = 0
        n += 1
###################################################

#creating plotable data            
test_img = [[0 for col in range(2*a+1)] for row in range(2*a+1)] 
for i in range(len(X)):
    test_img[int((X[i][0]*a/2+a))][int((X[i][1]*a/2+a))] = y[i]

#plot data 
#creates "white circle"     
plt.imshow(test_img, cmap='gray')
plt.show(block = False)
plt.pause(0.001) #show true values

# define the keras model
model = Sequential()
model.add(Dense(4, input_dim=2, activation='sigmoid'))
model.add(Dense(1, activation='sigmoid'))

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

# fit the keras model on the dataset
model.fit(X, y, epochs=100, batch_size=2000) #batch big, else error occurs

#predict values
tested = model.predict(X)

#for contrast
tested[0][0] = 1
tested[1][0] = 0

#create new image from data
for i in range(len(X)):
    test_img[int((X[i][0]*a/2+a))][int((X[i][1]*+a))] = tested[i][0]

#plot new image        
plt.imshow(test_img, cmap='gray')
plt.show(block = False)
plt.pause(0.001) #show true values

导入数学
将matplotlib.pyplot作为plt导入
进口numpy
从keras.models导入顺序
从keras.layers导入稠密
#初始值
a=100图尺寸/2
X=numpy.zero（（（2*a+1）**2,2））
y=numpy.zero（（（2*a+1）**2））
########################################创建圆数据
n=0
对于范围（-a，a+1）内的i：
对于范围（-a，a+1）内的j：
X[n]=[2*i/a，2*j/a]
输出=（（（2*i/a）**2）+（（2*j/a）**2））**0.5）
如果输出<1：
y[n]=1
其他：
y[n]=0
n+=1
###################################################
#创建可绘制数据
test_img=[[0表示范围（2*a+1）中的列]（2*a+1）中的行]
对于范围内的i（len（X））：
测试[int（（X[i][0]*a/2+a））][int（（X[i][1]*a/2+a））]=y[i]
#绘图数据
#创建“白圈”
plt.imshow（test_img，cmap='gray'）
plt.show（块=假）
plt.暂停（0.001）#显示真实值
#定义keras模型
模型=顺序（）
添加（密集型（4，输入尺寸=2，激活=sigmoid'））
model.add（密集型（1，激活='sigmoid'））
#编译keras模型
compile（loss='binary\u crossentropy'，optimizer='adam'，metrics=['accurity']）
#在数据集上拟合keras模型
model.fit（X，y，epochs=100，batch_size=2000）#batch big，否则发生错误
#预测值
测试=模型。预测（X）
#对比
测试[0][0]=1
测试[1][0]=0
#从数据创建新图像
对于范围内的i（len（X））：
测试[int（（X[i][0]*a/2+a））][int（（X[i][1]*+a））]=tested[i][0]
#绘制新图像
plt.imshow（test_img，cmap='gray'）
plt.show（块=假）
plt.暂停（0.001）#显示真实值