我修改了狗猫二分类模型，使用输出层的Sigmoid激活函数来实现多类别激活，以便为每个类别进行预测，但未能得到预期的结果。

我创建了一张同时包含狗和猫的图像。

预期结果：狗：70% 或超过70%，猫：70% 或超过70%

实际结果：狗：70%，猫：25%

为什么不能准确预测每个类别？

我在输出层没有使用softmax函数，那么为什么各个预测的总和没有超过100%？它总是保持多类别分类在1.0以下（我猜这与softmax有关，它会分配概率）。

回答：

确切地说，你想进行多标签多类别分类或简称多标签分类（即每张图像可能属于零个、一个或多个类别，例如你提到的同一张图像可能同时有猫和狗）。因此，为Dense层选择Sigmoid激活函数是正确的，因为每个类别是独立的，应该得到0到1之间的值（即对应于概率）。

然而，你还必须将损失函数从'categorical_crossentropy'更改为'binary_crossentropy'，因为这里你不再进行单标签多类别分类（即图像中存在狗还是猫？）。而是进行一系列的二分类（即图像中有没有猫？图像中有没有狗？）。在这种情况下，适当的损失函数应该是'binary_crossentropy'。