我正在构建一个简单的多层感知器，它以图像作为输入，并输出图像的分类。我的图像数据集由大小为(n x m)的灰度图像组成。我选择了nm个输入神经元作为输入层（实际上我使用PCA进行了降维，但我们先简单处理）。然后我选择了中间隐藏层。现在我应该如何选择输出层呢？需要多少个神经元？为什么？我的分类使用了L个不同的类别（即L种不同类型的图像）。我应该使用单个输出神经元吗？

回答：

由于你有L个不同的类别，你应该有L个输出神经元，在Keras中应该是这样的：

...previous_layer = tf.keras.layers.Dense(4096)(...)output = tf.keras.layers.Dense(self.nb_class)(previous_layer)

如果你是进行二元分类，你需要使用sigmoid激活函数

output = tf.keras.layers.Activation('sigmoid')(output)

如果L > 2，那么你应该选择softmax激活函数。

output = tf.keras.layers.Activation('softmax')(output)

最后一点，在使用Dense层之前，你应该尝试一些卷积层。可以参考VGG16架构。