问在神经网络模型中，节点和内部层的默认值是多少？

EN

一种可能的方法是迭代设计神经网络体系结构，例如多层感知器(MLP)，如下文所述：

https://stats.stackexchange.com/questions/238637/deep-neural-network-tuning-hyperparameters

我们可以限制自己的4-8层，8-128 (功率2)神经元每层。此外，我们还可以假设推荐 ReLU激活具有正常的权值初始化，以及Adam或SGD具有Nesterov动量优化器。

为了避免在小数据集上过度拟合，必须增加l1或l2正则化(重量衰减)和丢失层(例如，保持概率为0.5)。

然后，我们可以使用交叉验证与随机搜索或贝叶斯优化来选择最好的架构，如上面的交叉验证文章所描述的那样。

有些网站可以很好地解释这些问题。

确定隐层神经元数目(S)

来自https://www.r-bloggers.com/selecting-the-number-of-neurons-in-the-hidden-layer-of-a-neural-network/：

最常见的经验法则是在1和输入变量的数目之间选择一些隐藏的神经元。

确定隐藏层的层数

来自https://stats.stackexchange.com/questions/181/how-to-choose-the-number-of-hidden-layers-and-nodes-in-a-feedforward-neural-netw：

对于大多数问题，只要使用两个规则来设置隐藏层配置，就可以获得良好的性能(即使没有第二个优化步骤)：(i)隐藏层的数量等于一个；(ii)该层中的神经元数量是输入和输出层中神经元的平均值。

希望这能回答你的问题！