※ 引述《gs8613789 (Shang6029)》之銘言：
: 大家好，我是深度學習的新手，因為PTT似乎沒有深度學習相關的板，所以發在這裡。
: 最近在看CNN，知道他預測的結果是一連串的label，而值就是測試圖片為哪一個label的
: 機率。
: 那假如說我想要建立一個只有兩個label的模型，值就是YES或NO
: 比方說我想要辨識一張椅子，我想要知道的就只有他是椅子的機率。
: 當我測試圖片為一張椅子時，他就跟我說這是一張椅子。
: 當我測試圖片為其他東西(比方說一個人或一個水壺)的時候，他就跟我說這不是一張椅子
: 。
: 請問這樣子模型要如何訓練呢？爬了許多文找不到相關的討論，懇請各位給我關鍵字。謝
: 謝！
假設你有足夠量的椅子跟不是椅子的圖片，可以從頭自己訓練一個 CNN model
最基本就是 follow LeNet 的架構，去 tune 參數
另外還有一種作法是使用 transfer learning 方式去 fine-tune model
最常見的作法就是拿 imagenet pre-tain 好的 model (VGG-16, VGG-19, ResNet-18
ResNet-34 ...)，用你手上的椅子跟不是椅子的圖片去 fine-tune 最後的
fully-connected layer
最後結果使用 softmax function，output 就已經是機率了