Question

我在Keras的CNN代码中遇到了问题在构建简单的神经网络架构并运行预测函数之后所有预测都有相同的结果我自己的数据分为两类（健康，不健康）我之前想过，问题是图片性质的复杂性但当我在另一个数据中应用代码包含（白色图像，黑色图像）我发现了相同的结果您认为问题的原因是什么

我的架构CNN代码

#batch_size to train
batch_size = 32
# number of output classes
nb_classes = 2
# number of epochs to train
nb_epoch = 2
# number of convolutional filters to use
nb_filters = 32
# size of pooling area for max pooling
nb_pool = 2
# convolution kernel size
nb_conv = 3

HIDDEN_LAYERS = 4

sgd = SGD(lr=0.5, decay=1e-6, momentum=0.6, nesterov=True)

Y_train = np_utils.to_categorical(Y_train, nb_classes)
Y_test = np_utils.to_categorical(Y_test, nb_classes)

X_train /= 255
X_test /= 255

# first set of CONV => RELU => POOL layers
model = Sequential()
model.add(Conv2D(20, (5, 5), padding="same",
input_shape=shape_ord))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool), strides=(2, 2)))

# second set of CONV => RELU => POOL layers
model.add(Conv2D(50, (5, 5), padding="same"))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool), strides=(2, 2)))
model.add(Dropout(0.5))
# first (and only) set of FC => RELU layers
model.add(Flatten())
model.add(Dense(128))
model.add(Activation('relu'))
#model.add(Dropout(0.5))


# softmax classifier
model.add(Dense(nb_classes))
model.add(Activation(K.sigmoid))
#categorical_crossentropy
model.compile(loss="binary_crossentropy", optimizer=sgd,metrics=["accuracy"])

结果 The result of predictions

Answer 1

由于您有最终的sigmoid图层并且正在使用binary_crossentropy，因此请尝试将标签编码为0和1的Nx1向量。

以下几行将它们转换为Nx2向量，通常用于最终的softmax图层。

Y_train = np_utils.to_categorical(Y_train, nb_classes)
Y_test = np_utils.to_categorical(Y_test, nb_classes)

如果Y_train和Y_test已经是0和1的Nx1，请尝试对上述行进行评论。

为什么CNN Keras的所有结果都相同

1 个答案: