Neural network 我的卷积神经网络应该有多少个输出节点？

我正在使用Kaggle网站上的乘客筛选挑战进行课堂项目

我在本教程中实现了一个开箱即用的卷积神经网络

以下是该体系结构教程中的代码：

# 1st convolutional layer
conv_1 <- mx.symbol.Convolution(data = data, kernel = c(5, 5), num_filter = 20)
tanh_1 <- mx.symbol.Activation(data = conv_1, act_type = "tanh")
pool_1 <- mx.symbol.Pooling(data = tanh_1, pool_type = "max", kernel = c(2, 2), stride = c(2, 2))
# 2nd convolutional layer
conv_2 <- mx.symbol.Convolution(data = pool_1, kernel = c(5, 5), num_filter = 50)
tanh_2 <- mx.symbol.Activation(data = conv_2, act_type = "tanh")
pool_2 <- mx.symbol.Pooling(data=tanh_2, pool_type = "max", kernel = c(2, 2), stride = c(2, 2))
# 1st fully connected layer
flatten <- mx.symbol.Flatten(data = pool_2)
fc_1 <- mx.symbol.FullyConnected(data = flatten, num_hidden = 500)
tanh_3 <- mx.symbol.Activation(data = fc_1, act_type = "tanh")
# 2nd fully connected layer
fc_2 <- mx.symbol.FullyConnected(data = tanh_3, num_hidden = 40)
# Output. Softmax output since we'd like to get some probabilities.
NN_model <- mx.symbol.SoftmaxOutput(data = fc_2)

#第一卷积层
conv_1是的，如果你对一个二元问题进行分类，那么fc2层的神经元数量应该是2而不是40
 我认为这可能是非常主观的，并且取决于个人观点！那么，这些是输出节点，不是隐藏层？不清楚num_hidden是什么意思，也许这是开发人员的问题（文档很模糊）。第二，为什么我的模型仍然预测这两个类为0和1，即使我在运行时隐藏了40个num_？