小编Ran*_*amy的帖子

我有一个多标签分类问题，我使用了以下代码，但是在第一个时期，验证准确性跳升到99％，考虑到数据的复杂性，这是很奇怪的，因为输入特征是从初始模型（pool3：0）层中提取的2048个输入特征，标签为[1000]，（这是文件的链接，其中包含功能和标签的示例：https : //drive.google.com/file/d/0BxI_8PO3YBPPYkp6dHlGeExpS1k/view?usp=sharing），我是否有此东西在这里做错了？

注意：标签为稀疏向量，仅包含1〜10项，因为1其余为零

model.compile(optimizer='adadelta', loss='binary_crossentropy', metrics=['accuracy']) 

预测的输出为零！

在训练模型以干扰预测时，我做错了什么？

#input is the features file and labels file

def generate_arrays_from_file(path ,batch_size=100):
x=np.empty([batch_size,2048])
y=np.empty([batch_size,1000])
while True:
    f = open(path)
    i = 1  
    for line in f:
        # create Numpy arrays of input data
        # and labels, from each line in the file
        words=line.split(',')
        words=map(float, words[1:])
        x_= np.array(words[0:2048])
        y_=words[2048:]
        y_= np.array(map(int,y_))
        x_=x_.reshape((1, -1))
        #print np.squeeze(x_)
        y_=y_.reshape((1,-1))
        x[i]= x_
        y[i]=y_
        i += 1
        if i == batch_size:
            i=1
            yield (x, y)

    f.close() …