用keras做图像2分类，结果总是所有test样本归为其中一类？

Question

用keras做图像2分类，label非平衡，约1:10，代码如下：
data = np.load('D:/a.npz')
image_data, label_data= data['image'], data['label']
由于数据不平衡，用分层K折拆分为3组，
train_x=image_data[train]
test_x=image_data[test]
train_y=label_data[train]
test_y=label_data[test]

train_x = np.array(train_x)
test_x = np.array(test_x)
train_x = train_x.reshape(train_x.shape[0],1,28,28)
test_x = test_x.reshape(test_x.shape[0],1,28,28)
train_x = train_x.astype('float32')
test_x = test_x.astype('float32')
train_x /=255
test_x /=255
train_y = np.array(train_y)

test_y = np.array(test_y)

然后用keras的序贯模型

model.compile(optimizer='rmsprop',loss="binary_crossentropy",metrics=['acc'])
model.fit(train_x, train_y,batch_size=128, class_weight = 'auto', epochs=10,verbose=1,validation_data=(test_x, test_y))

from sklearn.metrics import confusion_matrix
y_pred_model = model.predict_proba(test_x)
C=confusion_matrix(test_y,y_pred_model)
print(C)

结果总是所有test样本归为一类，
推测可能是不平衡，模型认为最优化就是将所有样本都认作为较大类，但是将2分类label改为1:1后，结果仍然是所有test都归为一类：
[[22 0]
[21 0]]
请教这是啥原因？代码错在哪？

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 给你找了一篇非常好的博客，你可以看看是否有帮助，链接：keras实战_2.分类模型之数据归一化

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^