用范畴交叉熵预测异常结果

Question

前言：我对机器学习完全陌生，所以这可能是一个简单的解决方案

期望：首先我训练了一个CNN模型，使用二元交叉熵对两类（好的和坏的）进行验证，正确率为97%，提交了新的图像进行预测，并得到了预期的结果（这两个新的图像在90年代被正确排序的概率是正确的）

1 #print(model.predict_classes(img))
0.965675 #print(model.predict_proba(img))

问题：现在我尝试切换到分类交叉熵来使用三个类（b1 b2 b3），模型的训练精度为96%。我提交了3个新的图像预测，2个图像应该匹配，一个是左外野，不应该匹配任何东西。所有三张图片都应该符合1。概率

[1] #print(model.predict_classes(img))
[[0. 1. 0.]] #print(model.predict_proba(img))

[2]
[[0. 0. 1.]]

[1]
[[0. 1. 0.]]

问：为什么左外场的图像会与训练到96%的模型匹配？为什么所有的概率都在“1”这个范畴内（100%）

附录：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

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