※ 引述《gs8613789 (Shang6029)》之铭言：
: 大家好，我是深度学习的新手，因为PTT似乎没有深度学习相关的板，所以发在这里。
: 最近在看CNN，知道他预测的结果是一连串的label，而值就是测试图片为哪一个label的
: 机率。
: 那假如说我想要建立一个只有两个label的模型，值就是YES或NO
: 比方说我想要辨识一张椅子，我想要知道的就只有他是椅子的机率。
: 当我测试图片为一张椅子时，他就跟我说这是一张椅子。
: 当我测试图片为其他东西(比方说一个人或一个水壶)的时候，他就跟我说这不是一张椅子
: 。
: 请问这样子模型要如何训练呢？爬了许多文找不到相关的讨论，恳请各位给我关键字。谢
: 谢！
假设你有足够量的椅子跟不是椅子的图片，可以从头自己训练一个 CNN model
最基本就是 follow LeNet 的架构，去 tune 参数
另外还有一种作法是使用 transfer learning 方式去 fine-tune model
最常见的作法就是拿 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图片去 fine-tune 最后的
fully-connected layer
最后结果使用 softmax function，output 就已经是机率了