因此，我一直在构建卷积神经网络。我正在尝试预测棋盘游戏状态（10x10矩阵）是否会导致胜利（二进制0或1）。
我有600万个示例，您认为这足够了，但显然不行，因为我的网络正在预测所有一个类...
我明显缺少什么吗？我尝试给它甚至提供10个示例，但它仍然将它们全部预测为同一类。
输入矩阵是10x10的整数。
输入重塑：
x_train = x_train.reshape(len(x_train),10,10,1)
实际模型构建：
model = Sequential()
model.add(Conv2D(3, kernel_size=(1, 1), strides=(1, 1), activation='relu', input_shape=(10,10,1)))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(1, 1)))
model.add(keras.layers.Flatten())
model.add(keras.layers.Dense(500, activation='tanh'))
model.add(Dropout(0.5))
model.add(keras.layers.Dense(75, activation='relu'))
model.add(BatchNormalization())
model.add(keras.layers.Dense(10, activation='sigmoid'))
model.add(keras.layers.Dense(1,kernel_initializer='normal',activation='sigmoid'))
optimizerr = keras.optimizers.SGD(lr=0.001, momentum=0.9, decay=0.01, nesterov=True)
model.compile(optimizer=optimizerr, loss='binary_crossentropy', metrics=[metrics.binary_accuracy])
model.fit(x_train, y_train,epochs = 100, batch_size = 128, verbose=1)
我尝试修改学习速率，动量，衰减，kernel_sizes，图层类型，尺寸...我检查了垂死的relu，但这似乎不是问题所在。删除掉落/批处理规范化层（或各种随机层）也没有任何作用。
数据在标签之间的分布大致为53/47％，所以也不是。
我感到更加困惑，因为即使我要求它预测列车的运行状况，它仍然坚持只将一个类标记为事物，即使只有约20个样本或更少。