Tensorflow 二值图像分类的概率

Question

我尝试按照图像分类教程进行操作，但不幸的是它没有告诉您在创建 model 后如何使用它。

我目前用于创建 model 的代码是：

model = Sequential([
    tf.keras.layers.Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_SIZE, IMG_SIZE ,3)),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Dropout(0.1),
    tf.keras.layers.Conv2D(32, 3, padding='same', activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(64, 3, padding='same', activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Dropout(0.1),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(512, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

model.compile(optimizer='adam',
              loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
              metrics=['accuracy'])

在我的第一次尝试中，我没有在最后一个 Dense 层上activation='sigmoid' ，但是我从 model 得到的预测例如是[[332.9539]] ，我不知道如何解释。

在我阅读此答案后，我添加了 Sigmoid 激活以接收 0 和 1 之间的值，但不幸的是，在训练 model 时，准确度在之前工作时停留在 0.5。

我究竟做错了什么？

Answer 1

如果将 sigmoid 激活添加到最后一层，则需要从损失实例中删除from_logits=True ，因为您的 model 不再产生 logits：

model.compile(optimizer='adam',
              loss=tf.keras.losses.BinaryCrossentropy(),
              metrics=['accuracy'])