为神经网络计算隐藏和输出神经元的数量如何？

Question

我对神经网络很陌生，但我正在尝试创建一个用于光学字符识别的程序。我有100个图像，每个数字从0到9，大小为24x14。神经网络的输入数量是336，但我不知道如何获得隐藏的神经元和输出神经元的数量。

我该如何计算它？

Answer 1

虽然对于输出神经元的数量应该等于您想要区分的类的数量，对于隐藏层来说，大小并不是非常直接的设置，它主要取决于复杂度之间的折衷的模型和泛化能力（见https://en.wikipedia.org/wiki/Artificial_neural_network#Computational_power）。

对这个问题的答案可以帮助： training feedforward neural network for OCR

Answer 2

输出神经元的数目仅仅是你的班数（除非你只有2班，并没有使用一热表示，在这种情况下你可以只做2输出神经元）。

隐藏层的数量，以及随后隐藏的神经元的数量并不像您可能认为的初学者那样直截了当。每个问题都会有一个不同的配置，可以为它工作。你必须尝试多种方式。但请记住：

1. 您添加的图层越多，计算越复杂，因此网络训练越慢。
2. 最好的和最简单的做法之一是保持每层中隐藏的神经元的数量。
3. 请记住每层中隐藏的神经元的含义。输入图层是您的首选功能，每个后续隐藏层都是您对这些功能所做的。
4. 想想你的问题和你正在使用的功能。如果您正在处理图像，则可能需要第一个隐藏层中的大量神经元将您的特征分解为更小的单元。

当你增加神经元的数量到一定程度时，你的结果通常不会有太大的变化。当你练习更多时，你会习惯这个。请记住您正在进行的权衡

祝您好运:)