编辑：我已经找到了部分答案，请看本文末尾
在制作了两个不同的模型来预测大师玩家的得分后，我现在尝试创建一个具有两个输出的单一模型：
- rcrp：颜色正确且位置正确的钉子数量
- rcwp：颜色正确但位置错误的钉子数量
输入包含玩家的提议和要找到的秘密，这些信息以二进制表的形式编码。6种颜色 * 4个钉子 = 24位用于秘密，24位用于提议。
这是我的模型架构
这是我的主要代码：
main_input = Input(shape=(input_layer_size, ), name='main_input')x = Dense(hidden_layer_size, activation="relu")(main_input)for i in range(nb_hidden_layer): x = Dense(hidden_layer_size, activation="relu")(x)rcrp_out = Dense(1, activation='sigmoid', name='rcrp_out')(x)rcwp_out = Dense(1, activation='sigmoid', name='rcwp_out')(x)model_rpwp = Model(inputs=main_input, outputs=[rcrp_out, rcwp_out])model_rpwp.compile(optimizer='rmsprop', loss=['binary_crossentropy', 'binary_crossentropy'], metrics=['accuracy'])这是训练数据的一个样本：
print(rpwp_feature)[[0 0 0 ... 0 0 0] [0 0 0 ... 0 0 1] [0 0 0 ... 0 1 0] ... [1 0 0 ... 0 0 0] [1 0 0 ... 0 0 1] [1 0 0 ... 0 0 0]]print(rcrp_label)[3 0 1 ... 0 1 4]print(rcwp_label)[0 3 2 ... 4 2 0]可能有些地方我没有理解，因为我的模型什么也没学到，并且总是预测两个输出都是0。
我尝试了多种损失函数和架构，但都没有效果。我的输入和输出数据符合预期。
你能帮我理解我做错了什么吗？
编辑：我找到了部分答案。rcrp_out和rcwp_out的Sigmoid激活函数返回的是0到1之间的浮点数，因此永远不会是一个自然数。在这种情况下，我需要更改激活函数和损失函数，或者将我的标签数据二值化。
回答：
我已经使用这些函数对我的标签数据进行了二值化处理。
def binarise_number(number, max_number=None): if max_number is None: return [int(x) for x in format(number, "0b")] n_number = format(number, "0>%db" % len(binarise_number(max_number, None))) return [int(x) for x in n_number]def revert_binarise_number(n_number): str_number = '0b' + ''.join(str(int(x)) for x in n_number) number = int(str_number, base=2) return number我的数据现在是这样的：
print(rcrp_label)[[0 1 0] [0 1 0] [0 1 0] ... [0 0 0] [0 1 0] [1 0 0]]print(rcwp_label)[[0 0 1] [0 0 0] [0 0 0] ... [0 1 0] [0 0 0] [0 0 0]]现在它按预期工作了。
