Tensorflow Keras-使用model.fit（）的平稳结果

我正在用这些输入数据实现这个简单的神经网络：

x_train = np.asarray(x_train)
y_train = np.asarray(y_train)
x_test = np.asarray(x_test)
y_test = np.asarray(y_test)

定义网络结构后：

model = Sequential()
model.add(Dense(20, input_dim=5, init='normal', activation='sigmoid'))
model.add(Dense(1, init='normal', activation='sigmoid'))

我运行此命令来训练和评估NN：

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(x_train, y_train, nb_epoch=10, validation_split=0.2)

我总是从模型中得到相同的结果。拟合（…）： 32/143[==========>]预计到达时间：0秒。

---

尽管我在培训和验证方面取得了一致的结果，但这似乎根本不起作用。我如何解释这个关于模型的固定结果。拟合输出？

很抱歉，这个问题毫无意义，我看不出您在谈论什么样的平稳结果。你能编辑并解释一下吗？很抱歉，32/143不是指分类器在测试集上正确分类（32）的模式吗？我得到的结果总是一样的，尽管我在训练和验证方面有很好的准确性和很小的损失。不，这是当前批次样本/总训练样本，当一个历元完成时，你会看到它总是从零变为143。我如何将训练和验证结合起来，验证和测试准确度？您能否向我们提供有关您的数据（x的大小等）以及您的损失的更多详细信息？抱歉，这个问题毫无意义，我看不出您谈论的是什么固定结果。你能编辑并解释一下吗？很抱歉，32/143不是指分类器在测试集上正确分类（32）的模式吗？我得到的结果总是一样的，尽管我在训练和验证方面有很好的准确性和很小的损失。不，这是当前批次样本/总训练样本，当一个历元完成时，你会看到它总是从零变为143。我如何将训练和验证结合起来，验证和测试准确度？您能否向我们提供有关您的数据（x的大小等）以及您的损失的更多详细信息？