我正在爲一個類項目實現一個神經網絡，我只是想知道是否可以使用神經網絡進行多類分類而不使用softmax？當我向TA詢問這個問題時，他說有多個輸出層並不是數學上的聲音，但是後來我看到Andrew Ng在他的UFLDL自動編碼器教程中包含了一個帶有多個輸出的神經網絡圖片，然後我看到很多的人談論神經網絡的多類分類而不提及softmax。所以我想我想知道的是，不使用softmax使用多輸出層是否合適，如果是的話，你會怎麼做，以及如何解釋結果。您可以在不使用softmax的情況下在神經網絡中使用多個輸出層嗎？
UFLDL鏈接：http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
我並不十分熟悉的深度學習。當你說多個圖層時，你的意思是多個輸出節點嗎？
典型的方法是將所有輸出節點放在同一層（除非你正在做某種循環神經網絡）。您可以在輸出上使用softmax，但它當然沒有必要。 Softmax 可能使學習更好一點。
但是，您可以通過爲每個輸出神經元分配一個類，然後根據哪個神經元的激活值最高來執行分類。
比較晚，但也許有人會發現它有用：
您不必使用SOFTMAX層。例如，您可以使用多個邏輯迴歸圖層或具有多個邏輯迴歸輸出的單個圖層。不同之處在於softmax表示最有可能的類別，而多邏輯迴歸輸出可以同時將數據點分配給多個類別。
另一種方法是對神經網絡輸出值（即特徵）使用任意分類器（SVM，隨機森林，增強）。
我最近忘了在卷積神經網絡上放一個softmax層，我用完全連接（內積）層作爲輸出，結果也相當好！
神經網絡也可以有多個輸出單元。例如，這裏是一個網絡中的兩個隱藏層的層L2和L3和兩個輸出單元在層L4：
你可以看到這個教程詳情： http://ufldl.stanford.edu/tutorial/supervised/MultiLayerNeuralNetworks/