我正在使用Keras构建一个多类别多标签的对象识别CNN，希望它能给出图像属于哪个（些）类别的百分比置信度。不幸的是，我无法让它输出百分比，只能在运行model.predict()方法时为每个类别得到0或1的值。我的代码有什么问题，还是它只是没有训练足够的图像？（是的，我在用模型从未见过的新照片进行预测。）
#building the CNNclassifier = Sequential()classifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))classifier.add(MaxPooling2D(pool_size = (2, 2)))classifier.add(Dropout(0.25))classifier.add(Flatten())classifier.add(Dense(units = 128, activation = 'relu'))classifier.add(Dense(units = 64, activation = 'relu'))classifier.add(Dense(units = 4, activation = 'sigmoid'))classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])datagen = ImageDataGenerator(rescale = 1./255,shear_range = 0.2,zoom_range = 0.2,horizontal_flip = True,validation_split = 0.1)training_set = datagen.flow_from_directory('images',target_size = (64, 64),batch_size = 32,class_mode = 'categorical',subset = 'training')test_set = datagen.flow_from_directory('images',target_size = (64, 64),batch_size = 32,class_mode = 'categorical',subset = 'validation')classifier.fit_generator(training_set,steps_per_epoch = training_set.samples,epochs = 10,validation_data = test_set,validation_steps = test_set.samples)#predicting new image classtest_image = image.load_img(r'XXXX', target_size = (64, 64))test_image = image.img_to_array(test_image)test_image = np.expand_dims(test_image, axis = 0)result = classifier.predict_proba(test_image)print (result)训练输出：
# Epoch 10/10# 237/237 [==============================] - 14s 58ms/step - loss: 1.3194e-04 - acc: 1.0000 - val_loss: 0.0312 - val_acc: 0.9860这些是我的损失/准确率。
[[1. 1. 0. 0.]]这是一个预测新图像的示例结果。我甚至给模型提供了高度不相关的图像，结果仍然相似。
我意识到237张照片是一个非常小的训练集；我会在接下来的几个月里增加图像数据库。
回答：
要获得百分比输出，请在输出层使用softmax激活函数来获取概率。无论如何，你都不应该使用sigmoid激活函数，因为它们会导致梯度消失问题。
classifier = Sequential()classifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))classifier.add(MaxPooling2D(pool_size = (2, 2)))classifier.add(Dropout(0.25))classifier.add(Flatten())classifier.add(Dense(units = 128, activation = 'relu'))classifier.add(Dense(units = 64, activation = 'relu'))classifier.add(Dense(units = 4, activation = 'softmax'))另一个可能的原因是数据缩放。请参考在Keras中分类预测返回概率？以获取解决方案。
