我正在跟踪this tutorial（第6节：把它绑在一起），用我自己的数据集。我可以让教程中的例子工作，没有问题，与样本数据集提供。
我得到一个二进制交叉熵误差是负的，并且随着时代的进步没有改进。我很确定二进制交叉熵应该总是正的，我应该看到损失的一些改善。我将下面的示例输出（和代码调用）截短为5个epochs。其他人在训练CNN时似乎有时会遇到类似的问题，但我在我的案例中没有看到明确的解决方案。有人知道为什么会这样吗？
样品输出：

Creating TensorFlow device (/gpu:2) -> (device: 2, name: GeForce GTX TITAN Black, pci bus id: 0000:84:00.0)
10240/10240 [==============================] - 2s - loss: -5.5378 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 2/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 3/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 4/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 5/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000

字符串
我的代码：

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

dataset = np.loadtxt('train_rows.csv', delimiter=",")
testset = np.loadtxt('test_rows.csv', delimiter=",")

# split into input (X) and output (Y) variables
X = dataset[:, :62]
Y = dataset[:, 62]

X_test = testset[:, :62]
Y_test = testset[:, 62]

### create model
model = Sequential()
model.add(Dense(100, input_dim=(62,), activation='relu'))
model.add(Dense(50, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
## Fit the model
model.fit(X, Y, validation_data=(X_test, Y_test), epochs=5, batch_size=128)

型