Python 3.x 我的Keras卷积模型是否返回任何值？

对于我的项目，除了我的数据是在{-1,1}之间由3个值组成的时间序列之外，我大部分都在关注。我剥离了它的复杂性，试图理解差异的来源。然而，经过大量的trail&error和Stack Overflow搜索之后，我该举手寻求帮助了。我使用TensorFlow 2.0.0在OSX上的VSCode Jupyter笔记本中运行Python 3.6/Conda 4.8.3。我的简化鉴别器不会返回笔记本中的任何错误

def build_discriminator():

    discriminator_input = Input(shape=(4000,3), name='discriminator_input')
    
    x = discriminator_input

    x = Conv1D(32, 3, strides=1, padding="same", input_shape=(4000,3)) (x)
    
    x = LeakyReLU()(x)

    x = Dropout(0.3)(x)

    x = Flatten()(x)

    discriminator_output = Dense(1, activation='sigmoid')(x)

    return Model(discriminator_input, discriminator_output)


#Test it with some random noise of the same shape as the training data

d = build_discriminator()

noise = tf.random.uniform(
    (1,4000,3), minval=-1, maxval=1, dtype=tf.dtypes.float32
)

decision = d(noise)

我得到的输出：

print(decision)

<tf.Tensor 'model_1/dense_6/Sigmoid:0' shape=(1, 1) dtype=float32>

打印（决策）

我希望在未经训练的鉴别器中放入与训练样本大小相同的随机噪声，并至少得到一个介于[0,1]之间的值，以测试网络是否正在处理数据

预期产出：

<tf.Tensor [[0.014325]] shape=(1, 1) dtype=float32>

---

我需要一些帮助来解释这种差异。这是否意味着我的模型根本没有处理？还是我错过了一些更微妙的东西？我需要更改什么才能使我的鉴别器返回值的张量？

根据建议，我花了一些时间从Conda中删除Keras和Tensorflow，并将其与pip一起安装，以便在笔记本中正确返回

tf.\uuuuuuuuuuu版本

。令我惊讶的是，它起了作用，并返回了预期的结果

---

如果其他人遇到同样的问题，请在此处发布。

我怀疑您是否在TF2上。您可以使用

print（tf.\uuuuu version\uuuuuu）

进行检查。我100%在TF2.0上。康达的人在慢慢地为MacOSX构建软件包，这是一个奇怪的延迟。其他人也要求这样做。我用Conda版本更新了文本。