Python Keras多输出模型是否总是产生无冲突的结果？

我为同一个数据集构建了两个具有Keras的模型：一个仅预测A类，另一个仅预测B类。这些模型具有相同的体系结构：

• 许多隐藏的Dense（）层具有ReLU激活
• 输出中的一个密集（）层带有sigmoid激活

每个模型都经过训练，以达到约0.77的精度，但很明显，在预测中存在冲突，两个模型对同一样本产生了积极预测

---

接下来，我构建了另一个Keras模型，该模型的体系结构与之前相同，但层大小更大，输出三倍，以预测A类或B类或（不是A类和B类）。从我到目前为止运行的测试来看，模型似乎总是为测试集中的每个样本产生1个正样本和2个负样本，这很好，但我的问题是：我能确保总是这样吗？如果是，这是训练的结果还是模型层的某些属性

您应该向我们提供您的模型体系结构，以便更好地了解您的网络

这可能与训练模型的方式有关。当使用“a xor B xor None”训练具有1个大小为3的输出的模型时，您的标签是1-hot向量。因此，您的模型将学习仅向其中一个值输出1

此外，分类模型通常以层结尾。

---

这一层的特性是将张量的最大值推向1，同时将其他张量的最大值推向0（确保所有值总和为1）。

谢谢，我添加了模型架构的简要描述，这似乎证实了您最初的猜测。