这是一个我用来对图片进行分类（跑鞋、铅笔和书）的算法。然而，在我对3000张打乱顺序的图片（这是我所有的数据）运行这个算法后，我注意到以下几点：
-
每个epoch的val_accuracy都相同，值为0.3400
-
当我打印自己拍摄的6张图片的预测结果时，返回的结果数组如下，而它本应返回一个数值：
[[1.][1.][1.][1.][1.][1.]] -
由于结果总是1，它会对我的每张图片都预测为同一个类别，在我的例子中是书。
-
我按照另一个帖子建议进行了一个测试，用1000张跑鞋和铅笔的样本以及1张书的样本进行训练，结果仍然总是书。
算法：
model = Sequential()model.add(Conv2D(64,(3,3), input_shape = X_train.shape[1:]))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Conv2D(64,3,3))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Flatten())model.add(Dense(64))model.add(Dense(1))model.add(Activation('softmax'))model.compile(loss="binary_crossentropy", optimizer="adam", metrics=['accuracy'])model.fit(X_train, y_train, batch_size=24, epochs=3, validation_split=0.1)predictions = model.predict(X_test)输出（2692个样本，因为有些是错误的）
Train on 2692 samples, validate on 300 samplesEpoch 1/32692/2692 [==============================] - 17s 6ms/sample - loss: -0.0171 - accuracy: 0.3354 - val_loss: -0.5111 - val_accuracy: 0.3400Epoch 2/32692/2692 [==============================] - 20s 8ms/sample - loss: -0.0171 - accuracy: 0.3354 - val_loss: -0.5111 - val_accuracy: 0.3400Epoch 3/32692/2692 [==============================] - 21s 8ms/sample - loss: -0.0171 - accuracy: 0.3354 - val_loss: -0.5111 - val_accuracy: 0.3400当我运行print(predictions)时，结果是：[[1.][1.][1.][1.][1.][1.]]
谢谢！
回答：
由于你试图将数据分类为3个类别，你模型的顶层应该为
model.add(Dense(3))model.add(Activation('softmax'))你没有展示生成X_train和y_train的代码。如果y_train是独热编码，那么你的model.compile代码应该是
model.compile(loss="categorical_crossentropy", optimizer="adam", metrics=['accuracy'])如果y_train是整数，那么model.compile应该是
model.compile(loss="sparse_categorial_crossentropy", optimizer="adam", metrics=['accuracy'])