我在pytorch上使用预训练模型VGG16创建了一个神经网络，并添加了自己的额外层来定义属于两个类别之一。例如，蜜蜂或蚂蚁。

model = models.vgg16(pretrained=True)# Freeze early layersfor param in model.parameters():    param.requires_grad = Falsen_inputs = model.classifier[6].in_features# Add on classifiermodel.classifier[6] = nn.Sequential(    nn.Linear(n_inputs, 256), nn.ReLU(), nn.Dropout(0.2),    nn.Linear(256, 2), nn.LogSoftmax(dim=1))

该模型在处理两个类别时表现良好，但如果上传鳄鱼的图片，它可能会将其误认为是蜜蜂。现在我想基于这个模型创建一个二元分类器，例如，判断是蜜蜂还是非蜜蜂（任何不含蜜蜂的图像）。我刚开始学习神经网络，需要建议：是否应该将训练数据分为两组，一组仅包含蜜蜂图片，另一组包含几千张随机图片？还是应该采用其他方法？

回答：

一个两类分类器在处理不属于任何类别的图像时失败，确实并不令人惊讶。

要训练你的新单类分类器，是的，在测试集中使用蜜蜂图片和一组非蜜蜂图片。你还需要考虑类别之间的不平衡，以避免仅过拟合你拥有的蜜蜂图片。测试准确率会显示出这种偏差。