模型对所有测试图像只产生一种输出，尽管测试集中包含所有可能的类别。

我已经尝试使用不同的优化器和损失函数。

model = tf.keras.models.Sequential([    tf.keras.layers.Conv2D(64, (3, 3), input_shape=x.shape[1:], activation='relu'),    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),    tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),    tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),    tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),    tf.keras.layers.Flatten(),    tf.keras.layers.Dense(512, activation='relu'),    tf.keras.layers.Dense(1, activation='sigmoid')])model.compile(optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"])model.fit(x, y, epochs=10, batch_size=32)

期望结果：对给定图像预测是否寄生或未受感染的样本。

实际结果：总是预测同一类别，所有的图像要么被预测为寄生，要么被预测为未受感染。

回答：

tf.keras.layers.Dense(1, activation='sigmoid')

你也可以通过将其视为分类问题来处理，因此你的代码应如下所示 tf.keras.layers.Dense(2, activation='softmax')，并且损失函数应为分类交叉熵。

问题：你的模型似乎过于简单，无法对数据进行泛化以做出预测，建议使用预训练模型，并在数据量较少的情况下使用特征提取和微调方法。希望这对你有帮助，祝你好运：