Python 在非常简单的KERAS二元分类器中损失不变

我试图得到一个非常（过于）简化的Keras二元分类器神经网络，但没有成功。损失只是保持不变。到目前为止，我已经使用过优化器（SGD、Adam、RMSProp）、学习率、权重初始化、批量大小和输入数据规范化

没有任何变化。我是不是做错了什么？代码如下：

from tensorflow import keras
from keras import Sequential
from keras.layers import Dense
from keras.optimizers import SGD

data = np.array(
    [
        [100,35,35,12,0],
        [101,46,35,21,0],
        [130,56,46,3412,1],
        [131,58,48,3542,1]
    ]
)

x = data[:,1:-1]
y_target = data[:,-1]

x = x / np.linalg.norm(x)

model = Sequential()
model.add(Dense(3, input_shape=(3,), activation='softmax', kernel_initializer='lecun_normal',
                bias_initializer='lecun_normal'))
model.add(Dense(1, activation='softmax', kernel_initializer='lecun_normal',
                bias_initializer='lecun_normal'))

model.compile(optimizer=SGD(learning_rate=0.1),
              loss='binary_crossentropy',
              metrics=['accuracy'])

model.fit(x, y_target, batch_size=2, epochs=10,
          verbose=1)

---

这是基于我得到的反馈的有效解决方案

from tensorflow import keras
from keras import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
from keras.utils import to_categorical

data = np.array(
    [
        [100,35,35,12,0],
        [101,46,35,21,0],
        [130,56,46,3412,1],
        [131,58,48,3542,1]
    ]
)

x = data[:,1:-1]
y_target = data[:,-1]

x = x / np.linalg.norm(x)

model = Sequential()
model.add(Dense(3, input_shape=(3,), activation='sigmoid'))
model.add(Dense(1, activation='sigmoid'))

model.compile(optimizer=SGD(learning_rate=0.1),
              loss='binary_crossentropy',
              metrics=['accuracy'])

model.fit(x, y_target, epochs=1000,
          verbose=1)

---

Softmax定义为：

exp(a) / sum(exp(a)

因此，当您使用单个神经元时，您将获得：

exp(a) / exp(a) = 1

这就是为什么你的分类器不能处理单个神经元

在这种特殊情况下，您可以使用sigmoid：

exp(a) / (exp(a) + 1)

此外，sigmoid函数用于两类分类器Softmax是多类Classifier的sigmoid扩展

---

对于第一层，您应该使用relu或sigmoid函数而不是softmax。

softmax的定义是：所有神经元和1。当你有一个神经元时会发生什么？是的，它总是1使用

“sigmoid”

为什么

x=data[：，1:-1]

而不是

x=data[：，：-1]

？还有中间层，

模型。添加（密集（3，输入形状=（3），激活='softmax'，内核初始化器='lecun\u normal bias\u初始化器max='lecun\u normal'））

为什么设置为softmax？在中间有SoftMax是很奇怪的。你试过

relu

或

sigmoid

等吗？嘿，谢谢大家！我把softmax和sigmoid搞混了。。。深夜工作也许。。。现在已经修好了，效果很好！将在下面更新我的答案以供参考