关于Keras的CNN多标签分类中的密集层（FCN，Affine）的行为

Question

感谢您浏览我的帖子。

在Keras中使用CNN进行多标签分类的方法如下。

model = Sequential()
model.add(Conv2D(32, 2, activation='relu', input_shape = X_train[0].shape))
model.add(BatchNormalization())
model.add(Dropout(0.2))

model.add(Conv2D(64, 2, activation='relu'))
model.add(BatchNormalization())
model.add(Dropout(0.5))

model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(32, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(10, activation='sigmoid'))

在多标签分类中，每个标签都使用S形符号分类为二元分类。

所以我的问题是，对于每个标签，Sigmoid之前的密集层是否也分开？

共享密集层似乎会影响分类准确性。但是在我看来，这并没有分裂。