我正在按照这个教程（第6节：整合所有内容）使用我自己的数据集进行学习。我可以使用教程中提供的样本数据集顺利运行示例，没有任何问题。

我得到的二元交叉熵误差为负值，并且随着epoch的进行没有任何改善。我相当确定二元交叉熵应该始终为正值，并且我应该看到损失有一些改善。我在下方截取了5个epoch的样本输出（和代码调用）。其他人似乎在训练CNN时有时也会遇到类似的问题，但在我的情况下我没有看到明确的解决方案。有人知道这是为什么吗？

样本输出：

Creating TensorFlow device (/gpu:2) -> (device: 2, name: GeForce GTX TITAN Black, pci bus id: 0000:84:00.0)10240/10240 [==============================] - 2s - loss: -5.5378 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000Epoch 2/510240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000Epoch 3/510240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000Epoch 4/510240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000Epoch 5/510240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000

我的代码：

import numpy as npfrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Densedataset = np.loadtxt('train_rows.csv', delimiter=",")testset = np.loadtxt('test_rows.csv', delimiter=",")# split into input (X) and output (Y) variablesX = dataset[:, :62]Y = dataset[:, 62]X_test = testset[:, :62]Y_test = testset[:, 62]### create modelmodel = Sequential()model.add(Dense(100, input_dim=(62,), activation='relu'))model.add(Dense(50, activation='relu'))model.add(Dense(1, activation='sigmoid'))model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])## Fit the modelmodel.fit(X, Y, validation_data=(X_test, Y_test), epochs=5, batch_size=128)

回答：

我应该打印出我的响应变量。类别被标记为1和2，而不是0和1，这让分类器产生了混淆。