批量为1

Question

我有一个keras卷积神经网络模型。当我执行：

def get_model_weights():
  model_weights = {}
  counter = 0
  for layer in model.layers: 
    weights = layer.get_weights()
    if (len(weights) != 0):
      counter += 1
      model_weights['W' + str(counter)] = weights
  return model_weights

x = np.zeros((1, 1, D, D))
x[0, 0, :, :] = cur_x #cur_x is a grayscale (1 channel) image (D x D pixels) 
y = np.zeros((1, 2))
y[0, :] = [1, 0]
init_weights = get_model_weights()
model.fit(x, y, batch_size = 1, nb_epoch = 1, verbose = 0)
cur_weights = get_model_weights()

cur_weights 和 init_weights 是一样的！似乎重量没有更新！任何人都能解释这种行为吗？！ “适合”的实现是否正确？！

由于

P.S。我使用“随机梯度下降”作为优化器，使用“二元交叉熵”作为损失函数