我刚刚开始学习机器学习/Tensorflow等，所以我还是个新手，仍然不太了解故障排除的方法。我目前遇到了一个模型问题，它似乎从未有过改进。例如，输出显示为
Epoch 1/104/4 [==============================] - 41s 10s/step - loss: 0.8833 - accuracy: 0.4300Epoch 2/104/4 [==============================] - 12s 3s/step - loss: 0.8833 - accuracy: 0.4300Epoch 3/104/4 [==============================] - 10s 3s/step - loss: 0.8833 - accuracy: 0.4300Epoch 7/10004/4 [==============================] - 10s 3s/step - loss: 0.8833 - accuracy: 0.4300最让我担心的是它完全没有变化，这让我觉得我可能做错了什么。为了提供更多背景和代码，我正在尝试进行时间序列分类。基本上，输入是歌曲的归一化时间序列，网络应该分类它是否为古典音乐（输出为1表示是古典音乐，输出为0表示不是）。
这是我目前正在尝试的模型。
model = keras.Sequential([ keras.layers.Conv1D(filters=100, kernel_size=10000, strides=5000, input_shape=(1323000, 1), activation='relu'), keras.layers.Conv1D(filters=100, kernel_size=10, strides=3, input_shape=(263, 100), activation='relu'), keras.layers.LSTM(1000), keras.layers.Dense(500, activation='relu'), keras.layers.Dense(250, activation='relu'), keras.layers.Dense(1, activation='softmax')])model.compile(optimizer='adam', loss=tf.keras.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy'])这是我获取训练数据的方式（x和y是包含不同歌曲时间序列的字典）。
minute = 1323000x_train = np.zeros((100, minute, 1))y_train = np.zeros((100,))for kk in range(0, 100): num = randint(0, 41) ts = x[num] start = randint(0, len(ts) - minute) x_train[kk, :] = np.array([ts[start:(start + minute)]]).T y_train[kk] = 1 - y[num]然后进行训练：
for kk in range(1, 1000): x_train, y_train = create_training_set(x, y) model.fit(x_train, y_train, epochs=1000)我查看了类似的提问，但是我已经在做建议中的事情，或者建议对提问者来说过于具体。我也尝试了一些相对不同的模型/激活器，所以我认为问题不在于模型过于复杂，而且数据已经归一化，所以这不应该是个问题。但是，正如我所说，我对这些都还不熟悉，可能是错的。
回答：
在单节点的最后一层使用softmax激活是不正确的。此外，在损失函数定义中使用from_logits=True参数意味着模型应该产生logits，而不是概率（通常由softmax和sigmoid最终激活产生）。
因此，你应该将最后一层改为
keras.layers.Dense(1) # 默认是线性激活或者，你可以分别更改你的最后一层和损失函数为
keras.layers.Dense(1, activation='sigmoid')loss=tf.keras.losses.BinaryCrossentropy(from_logits=False)根据文档，使用from_logits=True可能在数值上更稳定，这可能是标准Tensorflow分类教程（见这里和这里）中首选的原因。
