如何使Keras网络不输出全1

我有一组图像，显示有人在玩一个视频游戏（这是我在Tkinter中创建的一个简单游戏）：

游戏的理念是用户控制屏幕底部的盒子，以躲避下落的球（他们只能向左或向右躲避）。

我的目标是让神经网络输出玩家在屏幕底部的位置。如果玩家完全在左侧，神经网络应输出0，如果在中间，则输出.5，如果完全在右侧，则输出1，以及介于这些值之间的所有数值。

我的图像尺寸为300×400像素。我以非常简单的方式存储数据。我记录了每一帧的图像和玩家位置作为元组，在一个50帧的游戏中。因此，我的结果是一个列表，形式为[(图像, 玩家位置), ...]，包含50个元素。我随后将这个列表进行了pickle处理。

所以在我的代码中，我尝试创建一个非常基本的前馈网络，它接收图像并输出一个介于0和1之间的值，表示图像底部盒子的位置。但我的神经网络只输出1s。

为了使其训练并输出接近我想要的值，我应该做哪些更改？

当然，这是我的代码：

# 机器学习代码主要来自 https://machinelearningmastery.com/tutorial-first-neural-network-python-keras/from keras.models import Sequentialfrom keras.layers import Denseimport numpy as npimport pickledef pil_image_to_np_array(image):    '''将图像转换为numpy数组'''    # 来自 https://stackoverflow.com/a/45208895    # 我的所有图像都是黑白的，所以我只需要一个通道    return np.array(image)[:, :, 0:1]def data_to_training_set(data):    # 将形式为[(第1帧图像, 第1帧玩家位置), ...]的列表拆分为[[所有图像], [所有玩家位置]]    inputs, outputs = [list(val) for val in zip(*data)]    for index, image in enumerate(inputs):        # 将PIL图像转换为numpy数组，以便Keras处理    inputs[index] = pil_image_to_np_array(image)    return (inputs, outputs)if __name__ == "__main__":    # 为了可重复性，固定随机种子    np.random.seed(7)    # 加载数据    # 数据形式为[(第1帧图像, 第1帧玩家位置), (第2帧图像, 第2帧玩家位置), ...]    with open("position_data1.pkl", "rb") as pickled_data:        data = pickle.load(pickled_data)    X, Y = data_to_training_set(data)    # 获取图像的宽度    width = X[0].shape[1] # == 400    # 将玩家位置（介于0和图像宽度之间的值）转换为介于0和1之间的值    for index, output in enumerate(Y):        Y[index] = output / width    # 展平图像输入，以便传递给神经网络    for index, inpt in enumerate(X):        X[index] = np.ndarray.flatten(inpt)    # Keras期望输入神经网络的图像数组是一个数组（而不是列表）    X = np.array(X)    Y = np.array(Y)    # 创建模型    model = Sequential()    # 我的图像为300 x 400像素，因此每个输入将是一个包含120000个灰度像素值的展平数组    # 保持非常简单，不使用深度学习    model.add(Dense(1, input_dim=120000, activation='sigmoid'))    # 编译模型    model.compile(loss='mean_squared_error', optimizer='adam')    # 拟合模型    model.fit(X, Y, epochs=15, batch_size=10)    # 查看模型的表现    predictions = model.predict(X, batch_size=10)    print(predictions) # 这打印出全是1s！ # TODO 修复

编辑： print(Y) 显示为：

如何从model.predict()结果中获取单个值