期望一个二进制值但预测一个浮点数

问题描述

我创建了一个神经网络，它将人的图像作为 X_training 值，将他们各自的性别（二进制值）作为 Y_train 值，我的目标是在用户输入图像后预测相关性别。这是我将图像和性别值设置为训练数据的代码：

from sklearn.model_selection import train_test_split

images_f=np.array(images)
images_f_2=images_f/255

labels_f=np.array(genders)

labels_f：

array([1,1,...,0])

我基本上使用卷积层，因为我预测的是一个二进制值（男性或女性，0 或 1），所以我使用 sigmoid 作为我最后的密集层激活方法。

这是模型代码：

# Create a model and add layers
model = Sequential()

model.add(Conv2D(32,(3,3),padding='same',input_shape=(48,48,strides=(1,1),kernel_regularizer=l2(0.001),activation="relu"))
model.add(Conv2D(32,activation="relu"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))

model.add(Conv2D(64,activation="relu"))
model.add(Conv2D(64,2)))
model.add(Dropout(0.25))

model.add(Conv2D(128,activation="relu"))
model.add(Conv2D(128,2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512,activation="relu"))
model.add(Dropout(0.5))
model.add(Dense(1,activation="sigmoid"))

model.summary()

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

这是我适合值代码的地方：

# Train the model
model.fit(
    X_train,[Y_train],batch_size=64,epochs=30,validation_data=(X_test,Y_test),shuffle=True
)

现在一旦我训练了模型，我尝试调用模型并设置我自己的图像之一并进行预测。

from keras.preprocessing import image

img = image.load_img("queen.jpg",target_size=(48,3))

# Convert the image to a numpy array
img = image.img_to_array(img)
# Add a forth dimension to the image (since Keras expects a bunch of images,not a single image)
img/=255
img = np.expand_dims(img,axis=0)


result = model.predict(img)

我得到的结果值：

array([[0.06528784]],dtype=float32)

对于每个图像，我得到一个浮点值，但我期待一个二进制值。为什么？

解决方法

我是这样试的：

$users = "[e-mail]","[e-mail]","[e-mail]"

foreach ($user in $users)
{
    $st = New-Object -TypeName Microsoft.Online.Administration.StrongAuthenticationRequirement
    $st.RelyingParty = "*"
    $st.State = "Enabled"
    $sta = @($st)
    Set-MsolUser -UserPrincipalName $user -StrongAuthenticationRequirements $sta
}