Le modèle Keras (même pendant l'entraînement) ne prédit que 0

J'essaie de former un classificateur d'images keras pour prédire entre les mauvaises herbes (1) et les herbes (0) dans les images. Cependant, quelle que soit la méthode / le modèle que j'essaie de créer, la précision reste bloquée, et par là, je veux dire que la précision d'entraînement est comme si elle ne prédit que des 0. Je peux le confirmer, car lorsque j'ai changé mon tableau d'étiquettes pour ne contenir que des zéros, le modèle réclamait en quelque sorte une précision de 1,00, mais lorsque j'ai changé les étiquettes en un, la précision du modèle était de 0,00. Toutes mes images sont redimensionnées et converties en RVB. voici le code:

model = Sequential()
model.add(Conv2D(32, kernel_size=3, input_shape=(530, 400, 1)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.2))
model.add(Conv2D(32, kernel_size=3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.5))
model.add(Conv2D(64, kernel_size=3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
#model.add(Dropout(0.5))
model.add(Dense(2)) #or n_clasess
model.add(Activation('softmax'))

model.compile(optimizer=Adam(0.0001), loss='categorical_crossentropy', metrics=['accuracy'])

J'applique ensuite to_categorical (étiquettes) pour les encoder à chaud model:

def prep_image(filename):
  im = cv2.imread(filename, 0)
  new_im = cv2.resize(im, (400,530))
  arr = np.array(new_im)
  arr = np.reshape(arr, (530, 400))
  return arr

image_files = [] #contains the file paths of the images
images = [] # contains arrays/images
labels = []
n_classes = 2
def add_image_data(root):
  global images
  global labels
  print("starting")
  delim = os.sep

  for dirpath, dirs, files in tqdm(os.walk(root)): 
    for file in [f for f in files if (f.endswith(".jpg"))]:
      image_files.append(os.path.join(dirpath, file))

  for file in tqdm(image_files):
    image_arr = prep_image(file)
    images.append(image_arr)
    #print("supposed added ", file)
    label = file.split(delim)[-2]
    if label == "Grass":
      label = 0;
    else:
      label = 1;
    labels.append(label)

  images = np.array(images)
  labels = np.array(labels)

il ne semble pas non plus y avoir d'apprentissage en cours, la perte et la précision semblent rester bloquées après la première époque. les étiquettes contiennent les deux classes. Merci d'avance