问如何计算神经网络的隐藏神经元和输出神经元的数量？

EN

对于输出神经元，其数量应该等于您想要区分的类别数量，而对于隐藏层，其大小并不是直接设置的，它主要取决于模型复杂性和泛化能力之间的权衡(参见https://en.wikipedia.org/wiki/Artificial_neural_network#Computational_power)。

这个问题的答案可能会有所帮助：training feedforward neural network for OCR

输出神经元的数量就是您的类的数量(除非您只有2个类，并且没有使用one-hot表示，在这种情况下，您可以仅使用2个输出神经元)。

隐藏层的数量以及随后的隐藏神经元的数量并不像初学者想象的那样简单。每个问题都会有一个不同的配置来解决它。你必须尝试多个东西。但请记住这一点：

1. 你添加的层越多，你的计算就会变得越复杂，因此你的网络训练就会变得越慢。
2. 最好也是最简单的做法之一就是保持每一层中隐藏神经元的数量不变。
3. 记住每一层中隐藏神经元的含义。输入层是您的起始要素，后续的每个隐藏层是您对这些要素所做的操作。
4. 思考你的问题和你正在使用的功能。如果您正在处理图像，则可能需要在第一个隐藏图层中使用大量神经元，以将要素分解为较小的单元。

通常，当神经元的数量增加到一定程度时，结果不会有太大变化。当你练习得更多时，你会习惯这一点的。只需记住你正在做的权衡

祝你好运:)