我正在绕开使用单个或双重输出神经元进行二进制分类的区别。我知道“双神经元情况下的更多参数和计算”，但我不介意再等几个小时来获得更好的模型。还有其他原因使单个神经元病例更好吗？
同样在Keras中，当我训练具有单个输出节点（最终密集层）的分类器时，predict方法返回属于类1的测试图像的概率值（在我的情况下为Sigmoid）。这对另一个班级0意味着什么？
我发现了另一个answer，他说
'您可以认为您有两个输出，但是其中一个输出的所有权重等于零，因此其输出将始终等于零'
这是否意味着网络根本不了解其他课程？从理论上讲，这是否意味着我可以仅使用1类的图像或0类的垃圾进行训练？
同样在单输出情况下，如果必须将阈值设置为0.95之类的值，那我一定做错了对吗？或者，如果我获得良好的准确性，任何阈值都可以吗？我无法理解的是为什么可以将阈值从0.5更改为正确，因为如果我是对的，我的S形输出表示网络认为该图像属于90级概率的1类图像（例如），为什么可以将阈值保持在95pc并将此图像归类为0类？
我的问题可能无所不在，请原谅我并指出我可以澄清的地方。谢谢！