我的卷积神经网络应该有多少个输出节点？

Question

我正在使用 Kaggle 网站上的 Passenger Screening Challenge 进行课程项目。

我已经从本教程中实现了一个开箱即用的卷积神经网络：https://www.r-bloggers.com/image-recognition-tutorial-in-r-using-deep-convolutional-neural-networks-mxnet-package/。

这是架构教程中的代码：

# 1st convolutional layer
conv_1 <- mx.symbol.Convolution(data = data, kernel = c(5, 5), num_filter = 20)
tanh_1 <- mx.symbol.Activation(data = conv_1, act_type = "tanh")
pool_1 <- mx.symbol.Pooling(data = tanh_1, pool_type = "max", kernel = c(2, 2), stride = c(2, 2))
# 2nd convolutional layer
conv_2 <- mx.symbol.Convolution(data = pool_1, kernel = c(5, 5), num_filter = 50)
tanh_2 <- mx.symbol.Activation(data = conv_2, act_type = "tanh")
pool_2 <- mx.symbol.Pooling(data=tanh_2, pool_type = "max", kernel = c(2, 2), stride = c(2, 2))
# 1st fully connected layer
flatten <- mx.symbol.Flatten(data = pool_2)
fc_1 <- mx.symbol.FullyConnected(data = flatten, num_hidden = 500)
tanh_3 <- mx.symbol.Activation(data = fc_1, act_type = "tanh")
# 2nd fully connected layer
fc_2 <- mx.symbol.FullyConnected(data = tanh_3, num_hidden = 40)
# Output. Softmax output since we'd like to get some probabilities.
NN_model <- mx.symbol.SoftmaxOutput(data = fc_2)

但是，我对fc_2 上的num_hidden 有疑问。在教程中，这个数字是 40，因为有 40 个类。

在我的示例中，我正在确定图像上是否存在威胁。我在最后一个全连接层中的num_hidden 会是 2（存在威胁或没有威胁）还是 1（存在威胁的概率？我是不是想多了？

Answer 1

是的，如果你对二元问题进行分类，那么 fc2 层中的神经元数量应该是 2 而不是 40。