NN 和 CNN 的输出（最后一层）有区别吗？

Question

在多类分类的情况下，如果类个是N个，那么一个NN有N个输出节点。然而，对于使用 NN 的二元分类，输出节点只有一个。

困惑：对于使用具有整数值标签（0/1 或 1/2）的 CNN 的二元分类，输出节点的数量是否为 2？或者使用 one-hot 编码方案 0-0、0-1、1-0 和 1-1，输出节点的数量将为 2，否则为 1 个输出节点。

这种混淆也来自实现语法。在下面使用 CNN 的代码中，对于二进制分类，当类是整数值 0/1 或 1/2 时，我必须提到 numClasses =2。这是否意味着有 2 个输出节点？不对的地方请指正

inputSize = [28 28 1];
numClasses = 2;

layers = [
    imageInputLayer(inputSize)
    convolution2dLayer(5,20)
    batchNormalizationLayer
    reluLayer
    fullyConnectedLayer(numClasses)
    softmaxLayer
    classificationLayer];

Answer 1

实现语法正确。但是对于二进制 classification 只使用 sigmoid 激活而不是 softmax，最后一层只有一个节点。

使用sigmoid时，输出节点数为1，不使用one hot encoding。 sigmoid 的输出是概率，如果概率大于 0.5，则输出 class 是 class 1 否则 class 2.

使用softmax时，输出节点数为2，需要一次热编码。两个输出节点代表每个 class 的概率。

NN 和 CNN 的输出（最后一层）有区别吗？

Is there a difference in the output (final layer) between NN and CNN?

matlab

classification

conv-neural-network

multiclass-classification