我正在开发一些新的模型，想回顾一些基础知识。因此，我决定编写一个分类器，将[1, 1]分类为1，其它组合分类为0。
我已经编写了几个不同的版本，但结果总是参差不齐。
from tensorflow.keras import layers, modelsfrom tensorflow import kerasdata = [[1., 1.], [1., 0.], [0., 1.], [0., 0.]]results = [[1.], [0.], [0.], [0.]]def build_model(): model = models.Sequential() model.add(layers.Dense(len(data[0]), activation='relu')) model.add(layers.Dense(128, activation='relu')) model.add(layers.Dense(1)) model.compile(loss=keras.losses.BinaryCrossentropy(), metrics=[keras.metrics.Accuracy()], optimizer='adam') return modelmodel = build_model()model.fit(data, results, epochs=1000)model.summary()print(model.predict([data[0]]))print(model.predict([data[1]]))print(model.predict([data[2]]))print(model.predict([data[3]]))有时候输出完全错误：
[[0.]][[0.]][[0.]][[0.]]模型从未达到准确性。
Epoch 1000/10001/1 [==============================] - 0s 910us/step - loss: 3.8562 - accuracy: 0.7500有时候显示较低的准确性并产生不好的结果：
Epoch 1000/10001/1 [==============================] - 0s 918us/step - loss: 3.8562 - accuracy: 0.2500[[-0.1101699]][[-0.13835455]][[-0.03829439]][[0.]]其他时候它“有点”工作：
Epoch 1000/10001/1 [==============================] - 0s 898us/step - loss: 0.0000e+00 - accuracy: 0.0000e+00（虽然我期望准确性达到1）
[[1.1292353]][[-0.167045]][[-0.03134967]][[-0.3522459]]能否有人帮助我理解我的结果的差异。我已经创建了几个版本的这个模型，增加了更多的层，减少了层，使用了不同大小的Dense()层。我尝试了几种损失和度量方法，然而，此时我只是在随机尝试。
回答：
由于您有一个二元分类问题（即二元交叉熵损失和准确性度量），您不应该在最后一层使用线性激活函数，这是默认的，如果您不指定任何东西，就像这里一样；根据文档：
激活：要使用的激活函数。如果您不指定任何东西，则不应用激活（即“线性”激活：
a(x) = x）。
对于（二元）分类问题，在最后一层使用线性激活是没有意义的；因此，将您的最后一个模型层更改为：
model.add(layers.Dense(1, activation='sigmoid'))您应该没问题了（另见训练准确性随训练损失降低和模型未学习）。
