我在使用深度神经网络进行二元分类时遇到了问题。每当我使用二元交叉熵（binary_crossentropy）时，模型的准确率都很低（接近随机预测）。但如果我将输出层的尺寸设为2，并使用分类交叉熵（categorical crossentropy），仅在一个epoch内就能获得接近0.90的高准确率。能有人解释一下这是怎么回事吗？

回答：

我在尝试将softmax激活函数用于输出层时也遇到了使用二元交叉熵的问题。据我所知，softmax会给出每个类别的概率，因此如果你的输出层有两个节点，它会是类似p(x1)、p(x2)的形式，并且x1 + x2 = X。因此，如果你只有一个输出节点，它总是等于1.0（100%），这就是为什么你的预测接近随机（实际上，它会接近评估集中你的类别分布）。

尝试将其更改为其他激活方法，如sigmoid或relu。