目标是对狗和非狗进行分类。火车数据集仅包含狗的图像。神经网络将仅使用该训练数据集进行训练，然后使用包含狗和非狗图像的测试数据集进行测试。
我遵循了编码器数据放大器教程，在我的情况下，自动编码器将所有测试图像分类为狗，这是错误的。
为一类分类构建CNN也是不可能的。知道怎么做吗？
您询问的正确术语是二进制分类。
你可以安全地使用CNN进行二进制分类。问题在于如何对输出层建模。您可以使用具有两个输出单元的softmax层(argmax(输出(为类1:dog，类2:not dog(，也可以使用更传统的方法，使用单个sigmoid单元作为输出(输出>0.5:dog，<0.5:no dog(。由于softmax规范化是sigmoid激活的多类扩展，因此sigmoid层在理论上更有意义，但如果您在实现这一点时遇到困难，softmax也应该同样有效。
当然，您必须调整您的数据标签以适应任何一种方法。
编辑：你需要狗的图像和那些没有狗的图像。网络需要知道两者的分布情况。只要想想你的用例，你期望什么样的图像不是狗。然后收集不是狗的图像，并相应地给它们贴上标签。