tensorflow - Dense(2)和Dense(1)之间的区别是二进制分类CNN的最后一层？

Question

在用于图像的二进制分类的CNN中，输出的形状应该是（图像数量1）还是（图像数量2）？具体来说，这是CNN中的2种最后一层：

keras.layers.Dense(2, activation = 'softmax')(previousLayer)

要么

keras.layers.Dense(1, activation = 'softmax')(previousLayer)

在第一种情况下，每个图像都有2个输出值（属于组1的概率和属于组2的概率）。在第二种情况下，每个图像只有1个输出值，即它的标签（0或1，label = 1表示它属于组1）。

哪一个是正确的？有内在的区别吗？我不想识别这些图像中的任何对象，只需将它们分为2组即可。

非常感谢！

Answer 1

第一个是正确的解决方案：

keras.layers.Dense(2, activation = 'softmax')(previousLayer)

通常，我们使用 softmax激活函数执行分类任务，并且输出宽度将为类别的数量。这意味着，如果要使用标签 A， B或 C将一个对象分为三类，则需要使 Dense层生成形状为 (None, 3)的输出。然后，您可以使用 cross_entropy损耗函数来计算 LOSS，自动计算梯度并执行反向传播过程。

如果只想在 Dense层上生成一个值，则意味着您会得到形状为 (None, 1)的张量-因此它会生成单个数值，如 regression任务。您正在使用输出的值来表示类别。答案是正确的，但其表现不如 classification任务的一般解决方案。