Tensorflow 为什么所有结果都是一样的
我在Keras的CNN代码有问题 建立简单的神经网络结构并运行预测功能后 所有的预测都有相同的结果 我自己的数据分为两类（健康、不健康） 我以前认为问题在于图片的复杂性 但当我在另一个数据中应用代码时（白色图像，黑色图像） 我发现了同样的结果 你认为问题的原因是什么Tensorflow 为什么所有结果都是一样的,tensorflow,neural-network,keras,artificial-intelligence,conv-neural-network,Tensorflow,Neural Network,Keras,Artificial Intelligence,Conv Neural Network,我在Keras的CNN代码有问题 建立简单的神经网络结构并运行预测功能后 所有的预测都有相同的结果 我自己的数据分为两类（健康、不健康） 我以前认为问题在于图片的复杂性 但当我在另一个数据中应用代码时（白色图像，黑色图像） 我发现了同样的结果 你认为问题的原因是什么 我的体系结构CNN代码 #批量大小可供培训 批量大小=32 #输出类的数量 nb_类=2 #要训练的纪元数 nb_epoch=2 #要使用的卷积滤波器的数量 nb_过滤器=32 #最大池的池区域大小 nb_池=2 #卷积核大小 n
我的体系结构CNN代码
#批量大小可供培训
批量大小=32
#输出类的数量
nb_类=2
#要训练的纪元数
nb_epoch=2
#要使用的卷积滤波器的数量
nb_过滤器=32
#最大池的池区域大小
nb_池=2
#卷积核大小
nb_conv=3
隐藏层=4
sgd=sgd（lr=0.5，衰变=1e-6，动量=0.6，nesterov=True）
Y_列=np_实用到分类（Y_列，nb_类）
Y_测试=np_实用到_分类（Y_测试，nb_类）
X_列/=255
X_检验/=255
#第一组CONV=>RELU=>POOL层
模型=顺序（）
model.add（Conv2D（20，（5,5），padding=“相同”，
输入（形状=形状）
添加（激活（“relu”））
添加（maxPoolg2D（池大小=（池大小，池大小），跨步=（2,2）））
#第二组CONV=>RELU=>POOL层
model.add（Conv2D（50，（5,5），padding=“same”））
添加（激活（“relu”））
添加（maxPoolg2D（池大小=（池大小，池大小），跨步=（2,2）））
模型。添加（辍学率（0.5））
#第一组（也是唯一一组）FC=>RELU层
model.add（展平（））
模型.添加（密度（128））
添加（激活（'relu'））
#模型。添加（辍学率（0.5））
#softmax分类器
模型添加（密集（nb_类））
模型添加（激活（K.sigmoid））
#范畴交叉熵
compile（loss=“binary\u crossentropy”，optimizer=sgd，metrics=[“accurity”]）
结果
由于您有一个最终的sigmoid层，并且正在使用
二进制交叉熵Y_train = np_utils.to_categorical(Y_train, nb_classes)
Y_test = np_utils.to_categorical(Y_test, nb_classes)
如果
Y\u列Y\u测试nb\u类