keras sequential 预测值为什么输出后半部分为恒定值

1. keras sequential 预测值为什么输出后半部分为恒定值

近刚始使用theano, 经验连基本模型都跑通于看Keras源码比较简洁作theano示例教程看受：
文档看似全每layer干啥每参数啥都写读代码实际文档理解其具体用点看issue讨论看同example似乎且都能直接run都real world数据集看似实际于新手需要模型跟example完全容易搞懂底需要输入输数据搞啥格式举例example都做classification没做sequence labeling例想拿做pos tagging知道数据何组织些其实花读代码或者翻翻issue讨论解决我相信少认真读代码或者看讨论直接换工具我觉目前doc懂代码才能看懂懂看文档没啥用
2.项目简单所发者跃每都新东西加进今增加新支端用theano或者tensorflow貌似由于支持scanbackend用tensorflow没实现recurrent layer意识文档问题觉需要白用户加点tutorial光给develop看
我没用其framework仅说keras拿习theano基本用错
库本身代码比较简单易读我作python菜鸟能看懂目前modelsequentialgrapgh两种前者并指recurrent说网络层层堆（包括recurrent）.其主要概念包括layerregularizer, optimizer,objective都离layer用于build每层输函数model用层输根据objective每layerregularizer确定终costupdate用optimizer更新参数四看加modelfit函数用theano啦模型都能coverseq2seq种现用建议要光看example看看github issues讨论实找直接提问效率面我懂theano优化觉keras种封装没本跟自用原theanotheano本身慢啊估计我懂用吧

2. 好奇怪啊，SQL语句排列时明明是按从大到小排列的，为什么会这样？

因为你的数据是文本类型的,文本类型的数字进行比较不是整体比较,而是一位一位比较比如:8与16,那么是8与1比是8>1,当然8排序在16前了. 你可以把数据改成这样,008,016,这样就可以正常排序了.

3. keras训练完模型，为什么对训练集进行evaluate和训练时的loss完全不一样？白训练了吗？

问题简述：
在keras框架下使用model.fit得到的训练准确率和损失表现都非常好，但是在相同的训练集上使用model.evaluate得到的准确率和损失都非常差
keras中的model.fit和model.evaluate在同样的数据集上的准确率acc和损失值loss存在巨大的差异
https://github.com/keras-team/keras/issues/6977
上面的github链接讨论了多种可能，
1.model.fit和model.evaluate的batch_size不匹配：model.fit时若指定了batch_size，在使用model.evaluate时的batch_size默认为16，而使用model.evaluate时并未设置与使用model.fit时同样的batch_size。解释大概为不同的batch_size的BatchNormalizaiton会产生不同的效果不同(当然在神经网络中存在BatchNormalization层时）
结果：匹配batch_size了也无效
2.dropout,batchnorm的影响：model.fit时的dropout层是设置dropout参数的，比如说0.5，而model.evaluate设置的dropout参数为1，keras在使用这两个function的时候会呈现两种模式

4. keras中accuracy是怎么算出来的，为什么loss下降，accuracy不变甚至减小

accuracy是在test的数据上得到的，train和test的数据的分开的。
loss下降而accuracy不变说明已经过拟合了，可以考虑使用BN、Dropout之类的方法消除过拟合的影响，或者修改网络结构。

5. keras 如何输出softmax分类结果属于某一类的概率

softmax是用于单标签输出，模型训练后，调用model.predict函数就可以输出结果为[0.5，0.4，0.1]（输出数量为最后一层隐藏层的neuron数）这样的矩阵，里面即为你所需的预测概率值，值得注意的是，softmax会限制输出的所有概率相加为1。
如果需要预测的是多个标签而不是单个标签，则需要使用sigmoid作为输出激活函数，那么输出就不再强制相加为1，可以得到每个分类的实际预测值，此时只需要设置一个致信的threshold则可以得到多个分类预测值。
每个激活函数的详细解释看这里网页链接

6. 为什么keras在每个epoch之间会有那么大的提升

Keras是一个用于在Python上搭神经网络模型的框架，语法和torch比较相似。我个人认为Keras最大的特点是包装很好，一些在训练过程中要输出的方法和常用的优化函数、目标函数都已经内置了，非常适合用来写大作业。Keras和python的哲学有些相似，那就是尽量不自己造轮子。但是最近逛知乎，看到有答案说，Keras只能用来搭一些世面上已经普及的网络，和其它框架相比比较小白。换句话说，就是Keras的扩展性不好。作为一个试用过theano、tensorflow、torch、caffe等框架，最后定居在Keras的人，我对此不太同意。事实上，Keras拥有不错的扩展性，这一方面是因为设计时就留好的接口，另一方面是因为清晰的代码结构，让你可以有很多自定义的空间。所以下面用几个例子介绍在Keras中如何自定义层和各种方法。

7. 数组排序中数组给数组的赋值问题：将4个数从小到大排序

Private Sub Command1_Click()
    Dim Arr()
    Arr = Array(Val(Text1.Text), Val(Text2.Text), Val(Text3.Text), Val(Text4.Text))
    For i = 0 To UBound(Arr) - 1
        For j = i + 1 To UBound(Arr)
            If Arr(i) > Arr(j) Then
                temp = Arr(i)
                Arr(i) = Arr(j)
                Arr(j) = temp
            End If
        Next j
    Next i
    Text1.Text = Arr(0): Text2.Text = Arr(1): Text3.Text = Arr(2): Text4.Text = Arr(3)
End Sub

8. 把 4个数字用编程大方法由大到小排序。

【程序5】
题目：输入三个整数x,y,z，请把这三个数由小到大输出。
1.程序分析：我们想办法把最小的数放到x上，先将x与y进行比较，如果x>y则将x与y的值进行交换，      然后再用x与z进行比较，如果x>z则将x与z的值进行交换，这样能使x最小。
2.程序源代码：
main()
{
int x,y,z,t;
scanf("%d%d%d",&x,&y,&z);
if (x>y)
{t=x;x=y;y=t;} /*交换x,y的值*/
if(x>z)
{t=z;z=x;x=t;}/*交换x,z的值*/
if(y>z)
{t=y;y=z;z=t;}/*交换z,y的值*/
printf("small to big: %d %d %d\n",x,y,z);
}