Algorithm 与神经网络中的几个输出节点相比，具有多个输出节点有哪些优点或缺点

与少数输出节点相比，神经网络中有许多输出节点有什么优点或缺点

例如，如果一个场景可以用10个、3个、2个或1个输出节点表示，哪一个更好显然，这取决于您想要如何表示输出，但现在这并不重要

---

或者，输出节点的数量对网络的精度没有影响，只是对网络进行训练所需的计算时间有影响吗？

输出节点的数量应该与您要计算的值的数量相匹配。对于简单回归或二元分类，您只需要一个输出节点。对于或，需要多个输出节点

特别是，使用前馈神经网络进行二值分类是通过计算单个输出节点的激活度，然后检查其是否大于某个阈值（通常为0或0.5）。对于具有k个类的多类分类，计算k个输出节点的值，然后选择最大值的索引i来预测类i

---

此外，对于多个输出节点，您还可以这样做，即每个类/标签都有一个输出节点，并预测所有超过阈值的节点的“true”。使用k类的多标签分类也可以由k个二进制分类器执行，但您需要单独训练所有这些分类器，这对于神经网络来说可能很耗时。

您是说隐藏节点吗？否则，这取决于您希望输出的内容。如果你想让你的神经网络输出R，G，B，我会使用3个节点，而不是1个。我的意思是输出节点。比如说网络输出数。它可以有一个节点输出1、3或5等。或者我可以有三个节点输出相同的二进制数据，例如001、011、101等。显然这是一个非常基本的示例，我只是想知道输出节点的数量会如何影响网络的准确性。。。