Keras 序列模型未訓練（卡在相同的准確度和損失上）

Question

我正在嘗試為 UCI Tic-Tac-Toe 數據集 ( https://archive.ics.uci.edu/ml/datasets/Tic-Tac-Toe+Endgame ) 構建分類算法，但我遇到了一些問題

Model = Sequential()
Model.add(Dense(9))
Model.add(Dense(64))
Model.add(Dense(64))
Model.add(Dense(1, activation="softmax"))

Model.compile(loss = "binary_crossentropy", optimizer = "Adam", metrics = ["accuracy"])
Model.fit(X_Train, Y_Train, batch_size = BATCH_SIZE, epochs = EPOCHS, validation_data = (X_Val, Y_Val))

我在所有 Epochs 中都收到了這條消息

Epoch 100/100
861/861 [==============================] - 0s 40us/step - loss: 5.3782 - accuracy: 0.6492 - 
val_loss: 4.7916 - val_accuracy: 0.6875

有誰知道解決這個問題的方法

Answer 1

你不能對一個神經元使用 softmax，如果它是二元分類，你應該在輸出層使用sigmoid激活：

Model.add(Dense(1, activation="sigmoid"))