似乎您在输出中使用了softmax激活功能。在对具有多个可能类别的输入进行分类时，通常会使用Softmax，因为它会输出概率分布（即所有元素的总和为1）。首先，对每个元素求幂，然后将每个元素除以所有元素的总和。

但是，如果只有一个输出单位，则它将必须始终输出1，因为它将计算exp（x_1）/ exp（x_1）= 1

对于您正在执行的二进制分类任务，我建议改为使用sigmoid输出激活函数：

base_model=VGG16(weights='imagenet',include_top=False) #imports the mobilenet model and discards the last 1000 neuron layer.

x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(1024,activation='relu')(x) #we add dense layers so that the model can learn more complex functions and classify for better results.
x=Dense(1024,activation='relu')(x) #dense layer 2
x=Dense(512,activation='relu')(x) #dense layer 3
preds=Dense(1,activation='sigmoid')(x) #final layer with softmax activation
vgg=Model(inputs=base_model.input,outputs=preds)

这假定训练数据集中的标签为0和1。