使用Keras构建的XOR门深度学习模型保存后预测结果异常

嘿，我碰到过类似的问题，大概率是你的模型保存/加载流程缺了关键步骤，或者训练环节没做完整。先帮你一步步排查：

1. 先补全你的训练代码（核心前提） #

你给出的代码里最后一层没写完，而且缺少编译、训练的关键步骤——没有训练好的模型，保存再加载当然预测不对！XOR是经典的非线性问题，得用正确的层配置和训练流程：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.models import model_from_json
from keras.optimizers import SGD

# 数据集
X_train = np.array([[0,0],[0,1],[1,0],[1,1]])
Y_train = np.array([[0],[1],[1],[0]])

# 构建模型
model = Sequential()
model.add(Dense(8, input_dim=2, activation='tanh'))
# 补全最后一层：二分类任务用sigmoid激活
model.add(Dense(1, activation='sigmoid'))

# 编译模型：用binary_crossentropy匹配二分类，SGD学习率调0.1比较合适
sgd = SGD(learning_rate=0.1)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])

# 训练模型：XOR需要足够多的epoch才能收敛
model.fit(X_train, Y_train, epochs=1000, batch_size=4, verbose=1)

训练时你会看到准确率逐渐接近100%，这说明模型已经学会了XOR的逻辑。

2. 正确的模型保存流程（别只存结构！） #

很多人只保存模型的JSON结构，但忘了保存训练好的权重——JSON里只有模型的层结构，没有训练出来的参数，加载后相当于一个全新初始化的模型，自然预测错误。正确的保存方式是同时存结构和权重：

# 保存模型结构到JSON文件
model_json = model.to_json()
with open("xor_model.json", "w") as json_file:
    json_file.write(model_json)

# 保存训练好的权重到HDF5文件
model.save_weights("xor_model_weights.h5")
print("模型结构与权重已成功保存")

3. 正确的加载与预测流程（必须重新编译！） #

加载模型时，要先加载结构，再加载权重，最后一定要重新编译模型——否则Keras会用默认的优化器和损失函数，和你训练时的配置不匹配，导致预测异常：

# 加载模型结构
json_file = open('xor_model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)

# 加载训练好的权重
loaded_model.load_weights("xor_model_weights.h5")

# 关键！重新编译模型，用和训练时一致的配置
loaded_model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])

# 预测并转换为0/1结果（因为sigmoid输出是0-1的概率值）
predictions = loaded_model.predict(X_train)
predicted_classes = (predictions > 0.5).astype(int)

print("原始标签：")
print(Y_train)
print("预测结果：")
print(predicted_classes)

4. 常见坑点检查 #

• 确认训练时模型已经收敛：看训练日志里的accuracy是否达到100%，如果没收敛，先调epoch数或学习率
• 别漏了加载后的编译步骤：这是很多人忽略的关键
• 预测时记得做阈值转换：sigmoid输出是概率，需要转成0/1的分类结果

内容的提问来源于stack exchange，提问作者ymmx