Keras：对不同的输入保持相同的预测

Question

我正在学习如何使用keras而且我一直遇到一些问题。我将尝试尽可能具体。

我的任务：我正在尝试创建一个神经网络来预测住宅的开放状态。

我有一个包含524729个示例的数据集。我使用70％作为训练集，30％作为测试集。我在测试中达到了70％以上的acc，但由于某种原因，每次我尝试预测输出时都得到相同的值。

现在，我有以下拓扑：

model = Sequential()
model.add(Dense(15, input_shape=(13, ), kernel_initializer='random_normal'))
model.add(Dense(15, activation='softplus'))
model.add(Dense(15, activation='softplus'))
model.add(Dense(10, activation='sigmoid'))
model.summary()

sgd = optimizers.SGD(lr=0.1, decay=1e-6, momentum=0.3, nesterov=True)


model.compile(optimizer=sgd, loss='mean_squared_error', metrics=['mae', 'acc'])

model.fit(X_training, Y_training, validation_data=(X_test, Y_test), epochs=1, batch_size=32)

我使用：

model.predict(np_inputRN, verbose=0)

预测输出，但由于某种原因，我一直得到相同的值。

0.0172018650919,0.498908281326,0.984391093254,0.485811322927,0.480756670237,0.984736263752,0.536143004894,0.475958675146,0.494080305099,0.488458126783

有人可以帮助我吗？

=============================================== =========================== @Aiven：

Data Set: 524729
Test Set[30%]: 157418
Training Set [70%]: 367310
X_training.shape: (367311, 13)
Y_training.shape: (367311, 10)
X_test.shape: (157419, 13)
Y_test.shape: (157419, 10)

np_inputRN.shape: (1, 13)