Python 3.x Keras模型培训后不学习

我正在为句子分类任务训练一个keras模型。问题是，尽管它给出了94%的准确率，但它没有学到任何东西。当我给出一个新句子（不在数据集中）时，它给出了相同的概率（在

model.prediction

步骤中）。我不明白为什么会这样

这是我的模型

model = Sequential()
model.add(Embedding(max_words, 30, input_length=max_len))
model.add(BatchNormalization())
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Bidirectional(LSTM(32)))
model.add(BatchNormalization())
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(2, activation='sigmoid'))
model.summary()

这里

max\u words=2000

和

max\u len=300

这是模型摘要

Model: "sequential_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_3 (Embedding)      (None, 300, 30)           60000     
_________________________________________________________________
batch_normalization_5 (Batch (None, 300, 30)           120       
_________________________________________________________________
activation_5 (Activation)    (None, 300, 30)           0         
_________________________________________________________________
dropout_3 (Dropout)          (None, 300, 30)           0         
_________________________________________________________________
bidirectional_3 (Bidirection (None, 64)                16128     
_________________________________________________________________
batch_normalization_6 (Batch (None, 64)                256       
_________________________________________________________________
activation_6 (Activation)    (None, 64)                0         
_________________________________________________________________
dropout_4 (Dropout)          (None, 64)                0         
_________________________________________________________________
dense_3 (Dense)              (None, 2)                 130       
=================================================================
Total params: 76,634
Trainable params: 76,446
Non-trainable params: 188

这是代码，我的数据集大小是20k，测试中有10%

model.compile(loss='sparse_categorical_crossentropy', metrics=['accuracy'], optimizer = 'adam')
history = model.fit(sequences_matrix, Y_train, batch_size=256, epochs=50, validation_split=0.1)

---

尝试将最后一层的激活功能从sigmoid更改为softmax。它与您使用的损失（分类交叉熵）不太匹配。如果您使用sigmoid，那么您只需要一个单位，并且应该使用二进制交叉熵损失。

否，即使使用分类交叉熵的softmax函数，也没有区别。不管我说什么句子，概率都是一样的。@AmberBhanarkar那么也许可以检查一下你的数据？例如，当你输入预测语句时，序列矩阵看起来正确吗？（不同句子的不同标记ID，正确的ID和填充等）这里我已经解释了序列矩阵问题，请看一下。在标记器装配中似乎存在一些问题。