私の畳み込みニューラルネットワークにはいくつの出力ノードが必要ですか？

Question

私は旅客スクリーニングチャレンジをKaggleウェブサイトのクラスプロジェクトに使用しています。

私は、このチュートリアルの畳み込みニューラルネットワークhttps://www.r-bloggers.com/image-recognition-tutorial-in-r-using-deep-convolutional-neural-networks-mxnet-package/を実装しました。ここで

アーキテクチャ用のチュートリアルからコードがされています。しかし、私はfc_2上num_hiddenについて質問があり

# 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) 

。このチュートリアルでは、40のクラスがあるため、この数は40でした。

私の例では、イメージに脅威が存在するかどうかを判断しています。私のnum_hidden最後の完全に接続された層では、2（脅威存在または全く脅威）または脅威の存在があることを1（確率でしょうか？私は任意の助けそんなに？

感謝をoverthinkingです。

Answer 1

はい、バイナリ問題を分類している場合、fc2層のニューロン数は40ではなく2になるはずです。