Keras猫狗分类模型model.predict()输出异常及预测结果全相同问题咨询

初始模型输出10个负数值的原因 #

• 任务与模型结构不匹配：你做的是二分类任务，初始输出层设置10个神经元、采用SparseCategoricalCrossentropy损失都是多分类任务的配置，本身就不可能输出0/1的二分类结果。
• 输出层未设置激活函数：初始输出层默认用线性激活，输出值可以是任意正负实数，自然会出现10个负数的输出结果。

修改后所有测试样本均预测为猫的原因 #

• 训练数据集规模严重不足：总共只有40张训练样本（20张猫、20张狗），完全不足以支撑3层卷积的网络学习到猫狗的有效区分特征，模型无法习得泛化能力，只能输出固定的默认预测结果。
• 训练与测试阶段预处理逻辑不一致：训练时你用cv2做灰度转换、resize 50*50的处理逻辑，和测试时对三张新图的处理逻辑大概率存在差异，比如resize插值方式不同、像素值归一化范围不匹配（比如训练时将像素值缩至0_{1，测试时仍用0}255的原始值输入），会导致测试输入的分布和训练集完全偏离，模型无法正常推理。
• 类别预测bias问题：你将猫的标签设为0的情况下，模型在学不到有效特征时，会选择输出趋近0的预测值来最小化binary_crossentropy损失，最终表现为所有样本都被判定为猫。
• 未做数据增强：小样本训练场景下没有加入随机翻转、平移、加噪等数据增强策略，模型完全过拟合了40张训练图，对任何未出现在训练集里的样本（包括新猫狗、鸟类）都无法正确分类，只会输出固定结果。
• 训练流程异常：要么训练轮次太少模型未收敛，要么学习率设置不合理导致模型没有学到任何有效特征，最终只能输出固定预测值。

内容的提问来源于stack exchange，提问作者Anonymous