我正在尝试使用 tensorflow.keras 构建二进制分类器，目前无法确定让模型仅生成 0 和 1 的解决方案。

用于编译我的 tensorflow 模型的代码。

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

def build_model(train_dataset):
  model = keras.Sequential([
    layers.Dense(10, activation='relu', input_shape=[len(train_dataset.keys())]),
    layers.Dense(1, activation='sigmoid')
  ])
  optimizer = 'adam'

  model.compile(loss='binary_crossentropy',
                optimizer=optimizer,
                metrics=[tf.keras.metrics.Precision(), tf.keras.metrics.Recall(), tf.keras.metrics.Accuracy()])
  return model

model = build_model(X)

调用后model.fit(X,y)，model.predict(X_test)将生成一个数字数组作为预测值：

array([[8.3726919e-01],
       [9.1233850e-04],
       [8.3726919e-01],
       ...,
       [4.6819448e-05],
       [1.5565268e-08],
       [0.0000000e+00]], dtype=float32)

我目前对该问题的解决方案是从 sigmoid 激活函数中获取输出为 (0,1) 范围内的数字；然后将值转换为 0 或 1

reset_predictions = []
for p in predictions:
    if p >= 0.5:
        reset_predictions.append(1)
    else:
        reset_predictions.append(0)

然而，这并不理想；我希望实现的是模型在没有外部功能的情况下为我分类 0 或 1。