Python Keras密集输出不是从0到1

对不起，这个愚蠢的问题。 我试着运行Tensorflow（）中的图像分类教程，在训练网络之后，我试着进行预测

根据在线指南，我发现我必须将最后一层

densite（1）

修改为

densite（1，激活='sigmoid'）

，但结果不受0到1的限制，而是数千个，正和负

我错在哪里

谢谢

编辑： 这就是我要训练的模型

model=Sequential([
Conv2D（16,3，padding='same'，activation='relu'，input_shape=（IMG_高度，IMG_宽度，3）），
MaxPoolig2D（），
Conv2D（32,3，padding='same'，activation='relu'），
MaxPoolig2D（），
Conv2D（64,3，padding='same'，activation='relu'），
MaxPoolig2D（），
展平（），
稠密（512，活化='relu'），
密集型（1，激活='sigmoid'）
])

这是一个预测的结果：

img=Image.open（“D:\\Downloads\\mask-datasets-v1\\mask\u datasets\\Train\\mask\\1.PNG”）。转换（'RGB'）。调整大小（大小=（img\u高度，img\u宽度））
img_数组=（np.expand_dims（img，0））
img_array.shape
模型预测（img_阵列）

数组（[-4602.1157]]，dtype=float32）

使用示例图像运行代码时，我得到了正确的结果-正如我在输出层中激活sigmoid所期望的那样

你忘记编译你的模型了吗？

---

因此，您的模型可能仍在预测您的模型的一个弃用版本，该版本的输出层中还没有sigmoid激活。

使用示例图像运行代码时，我得到了正确的结果-正如我期望在输出层中有sigmoid激活一样

你忘记编译你的模型了吗？

---

因此，您的模型可能仍在预测您的模型的一个弃用版本，该版本的输出层中还没有sigmoid激活。

如果没有看到您的代码，很难说。您能否提供您的代码的最低示例？如果没有看到您的代码，很难说您的编译代码在哪里。您能否提供您的代码的最低示例代码？你的编译代码在哪里