Keras调用fit()后损失不变化且准确率始终为0问题求助

核心错误1：输出层激活函数不匹配任务类型 #

你正在做连续数值预测的回归任务，但输出层误用了仅适合多分类场景的softmax激活函数：

model.add(keras.layers.Dense(1, activation="softmax"))

softmax的作用是将多个输出神经元的结果归一化为总和为1的概率分布，当仅存在1个输出神经元时，运算后的值会固定为1，这就是所有预测结果全为1、损失全程无变化的根本原因。

修复方式： #

回归任务输出层不需要激活函数，直接输出原始数值即可，修改为：

model.add(keras.layers.Dense(1))

如果预测值有明确的数值范围约束，也可根据实际场景选择sigmoid、relu等激活函数，禁止使用softmax。

核心错误2：评估指标选择错误 #

accuracy是分类任务专属的评估指标，要求预测值和真实值完全相等才会计为正确，对于回归任务的连续值输出，几乎不可能满足相等条件，因此你观测到的准确率恒为0属于指标选择错误导致的正常现象，不是模型训练问题。

修复方式： #

编译模型时替换为回归任务常用的评估指标即可，比如平均绝对误差MAE：

model.compile(loss="mse", optimizer=optimizer, metrics=["mae"])

可选优化建议 #

• 若序列规律和时序关联度高，可以将全连接层替换为LSTM、GRU等时序专用网络层，拟合效果会更好
• 数据归一化操作需要先拆分训练集、验证集、测试集，再仅用训练集拟合StandardScaler，之后用拟合好的scaler去归一化验证集和测试集，不要提前对全量数据做归一化，会造成数据泄露
• 输入层的全连接层可以显式声明输入维度，避免Keras自动推断异常：model.add(keras.layers.Dense(5, input_shape=(5,)))

内容的提问来源于stack exchange，提问作者radkal2