Python Keras神经网络对每个输入输出相同的结果

我试图实现一个前馈神经网络

结构如下： 输入层：8个神经元，隐藏层：8个神经元，输出层：8个神经元

输入数据是8位向量（输入层的每个神经元1位）。 神经网络的输出也是8位向量。因此，数据集总共有256个示例

示例：如果给定x=[0.0,1.0,0.0,0.0,1.0,1.0,0.0,1.0]

输出必须是y=[1.0,0.0,0.0,0.0,0.0,1.0,0.0,1.0]

这就是实现：

from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import random
from math import ceil

#Dimension of layers
dim = 8

#Generate dataset
X = []
for i in range(0,2**dim):
    n = [float(x) for x in bin(i)[2:]]
    X.append([0.]*(dim-len(n))+n)
y = X[:]
random.shuffle(y)
X = np.array(X)
y = np.array(y)

# create model
model = Sequential()
model.add(Dense(dim, input_dim=dim, init='normal', activation='sigmoid'))
model.add(Dense(dim, init='normal', activation='sigmoid'))
model.add(Dense(dim, init='normal', activation='sigmoid'))

# Compile model
model.compile(loss='mse', optimizer='SGD', metrics=['accuracy'])
# Fit the model
model.fit(X, y, nb_epoch=1000, batch_size=50, verbose=0)
# evaluate the model
scores = model.evaluate(X, y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
output = model.predict(X)

#Make the output binary
for i in range(0, output[:,0].size):
    for j in range(0, output[0].size):
        if output[i][j] > 0.5 or output[i][j] == 0.5:
            output[i][j] = 1
        else:
            output[i][j] = 0
print(output)

这是我在输出中得到的结果：

acc: 50.39%
[[ 1.  0.  0. ...,  0.  1.  1.]
[ 1.  0.  0. ...,  0.  1.  1.]
[ 1.  0.  0. ...,  0.  1.  1.]
..., 
[ 1.  0.  0. ...,  0.  1.  1.]
[ 1.  0.  0. ...,  0.  1.  1.]
[ 1.  0.  0. ...,  0.  1.  1.]]

似乎所有的输出都有相同的值。所以我不知道配置有什么问题。我尝试了这个方法，建议删除输出层的激活函数，但当我运行这个方法时，我得到了所有具有此值的输出向量：

[0.1.1….，1.1.1.]

---

关于如何使其工作的任何见解？

输出与多标签分类相对类似，因此我建议：

将损失函数改为二元交叉熵

将最后一个激活层保留为sigmoid，并更改其他激活层-relu是一个不错的选择

在“fit”调用中添加验证并增加详细信息-这将使您能够了解网络在各个时代的变化，尤其是在网络过度/不足时

向网络添加深度，直到过盈

将正则化添加到您的网络中，直到您不会过度适应

重复4+5

---

我也有同样的问题

我建议您降低SGD的学习率。在我的例子中，我使用了lr=0.001的Adam优化器，但改为0.0001解决了这个问题

SGD的默认参数：

keras.optimizers.SGD（lr=0.01，动量=0.0，衰减=0.0，nesterov=False）

---

如果您尝试了上述所有方法，但均无效，则表示

---

如果您尝试适应噪音，则输入和输出之间没有连接/相关性/相关性。

您尝试重新运行了多少次？也许使用不同的优化器或正则化/随机化算法会有所帮助。看来你的网络可能陷入了局部极小值。我试着重新运行了15次，得到了同样的结果。我尝试过使用“Adam”和“relu”激活，这有点重要，现在我得到了不同的输出，但精度仍然很低（256个正确输出中有4个）。您是否尝试过使用例如dropout？还是批量标准化？有趣的数据选择。你的目标是学习洗牌功能？抱歉耽搁了。是的，我试过退出，但似乎不起作用，这解决了我的问题，我的CNN对所有输入产生相同的概率分布…困惑！