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！
最佳答案
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。关于tensorflow - Dense(2)和Dense(1)之间的区别是二进制分类CNN的最后一层？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50808593/