项目：利用卷积神经网络判断乳腺X光片中是否存在良性或恶性肿瘤。
这是GitHub仓库的链接：https://github.com/aubreyDKR/CNNBreastCancer.git
你可以在文件中查看项目：ImageLearningProject.ipynb，最新版本在分支：aubrey
问题：在“评估模型”部分可以看到模型的准确率有问题，因为随着时间的推移没有改善。为什么？如何解决这个问题？
如果需要其他信息，请告诉我。
更新：在接受了一些建议后，我进行了以下更新。
- 添加了批量归一化层和激活层。
- 将损失函数从…更改为二元交叉熵。因此，最后的密集层从softmax更改为sigmoid。
- 不再打印文件名，以使笔记本更加整洁。
结果：我们可以看到模型准确率图表发生了一些变化。但看起来仍然有些问题。我认为模型在每个epoch中应该表现得更好。
回答：
- 我的第一个建议是：你应该删除输出文件名的打印语句，这是不必要的，会弄乱你的笔记本输出空间
- 你的任务是一个二分类任务。标签要么是0（恶性）要么是1（良性），或者反过来，这无关紧要。然而，你使用了错误的损失函数——分类交叉熵，这是用于多类分类的。你应该使用二元交叉熵。https://www.tensorflow.org/api_docs/python/tf/keras/losses/BinaryCrossentropy
- 你可以尝试在每隔一层的CNN层后应用最大池化
- 批量归一化可能会有所帮助。在这种情况下，你应该移除CNN层的激活，在每次卷积后应用批量归一化，然后再添加一个激活层（例如ReLU）
