Keras密集输出不是从0到1

Question

很抱歉问了这么愚蠢的问题。我曾尝试运行Tensorflow (https://www.tensorflow.org/tutorials/images/classification)的图像分类教程，在对网络进行训练后，我尝试进行预测。

根据在线指南，我发现我必须将最后一层的Dense(1)修改为Dense(1, activation= 'sigmoid')，但结果不是从0到1，而是几千个，有正有负。

我哪里错了？

谢谢。

编辑:这是我正在尝试训练的模型

model = Sequential([
    Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH ,3)),
    MaxPooling2D(),
    Conv2D(32, 3, padding='same', activation='relu'),
    MaxPooling2D(),
    Conv2D(64, 3, padding='same', activation='relu'),
    MaxPooling2D(),
    Flatten(),
    Dense(512, activation='relu'),
    Dense(1, activation = 'sigmoid')
])

这是一个预测的结果：

img = Image.open("D:\\Downloads\\mask-datasets-v1\\Mask_Datasets\\Train\\Mask\\1.PNG").convert('RGB').resize(size=(IMG_HEIGHT,IMG_WIDTH))
img_array = (np.expand_dims(img,0))
img_array.shape
model.predict(img_array)

array([[-4602.1157]], dtype=float32)

Answer 1

当运行带有示例图像的代码时，我得到了正确的结果-就像我期望在输出层中有一个sigmoid激活一样。

你忘记编译你的模型了吗？https://keras.io/models/model/#compile

因此，您的模型可能仍在预测您的模型的弃用版本，该模型在其输出层还没有sigmoid激活。