我知道有许多激活函数，如 Relu、sigmoid、tanh ..等，我只想知道最适合我的情况的一个 - 二进制文本分类。
我听说 Relu 最适合二进制分类（不确定我是否正确）
我用 keras 训练了一个模型，它是2 层，Dense 512，dropout 0.3，activation = "Relu"对于这些层，
但预测并不符合标准。
我还将Dense 单位更改为 1024，保持其他单位不变，但我仍然得到了不好的预测。（验证准确率 50%）
那么，我可以使用其他激活，或者更改我的模型层（添加更多层）吗？
什么是最好的选择？
Sigmoid 激活产生介于 0,1 之间的输出，使其适合二进制分类。就超参数调整而言，实验总是必要的。
Relu 通常效果很好，但最终你需要尝试。如果你真的只有一个隐藏层，你可能有一个无法正确学习的模型。
我猜你使用的是顺序的、密集的模型架构？尝试添加更多隐藏层。不要一开始就增加太多容量。你可以尝试类似256, 8, 8, 1with 的东西relu。
Dropout 可以很好地防止过拟合。这对于学习本身并不重要。
只是对未来帖子的评论：如果可能，请始终包含您的基本模型代码。所以人们可以理解你的真正目的。一点数据描述也很有用。特别是对于文本，预处理非常重要。因此，在数据进入模型之前处理数据的方式是相关的。
由于您没有具体说明如何将文本输入转换为数字以提供给模型，因此我只能笼统地回答您的问题。
首先，对于二元分类的最后一层，激活函数通常是 softmax（如果你定义最后一层有 2 个节点）或 sigmoid（如果最后一层有 1 个节点）。
对于其他层，很难说 sigmoid 或 relu 更好。但根据我的经验，relu 更适用于更复杂的模型。