Keras - 使用model.fit（）的固定结果

Question

我实现这个简单的神经网络，使用这些输入数据：

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

定义了网络的结构后：

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model.fit（...）得到相同的结果：   32/143 [=====＆gt; ........................] - ETA：0s 。  尽管我在培训和验证方面获得了一致的结果，但它似乎根本不起作用。我如何解释关于模型的静态结果。适合输出？