Machine learning 关于；参数数量“；在神经网络中

NN，当他们在论文中提到“参数数量”时，他们通常是指每层的权重矩阵和每个单元的偏差，激活函数？NN工作不需要其他参数吗

这里有所谓的超参数，它定义了层的数量，每层的单位数量，以及这些单位的激活函数，但是让我们把它们放在一边

---

我的意思是，如果我们有一百万个参数的非卷积神经网络，这意味着作者计算了网络中使用的权重数和单位数（我假设每个都有偏差，对吗？）

您需要将网络固有参数与训练参数分开。对于给定的拓扑、激活和累积函数（这就是您所称的超参数），唯一剩余的网络固有参数实际上是权重。但是，请注意，没有明确的理由严格划分这两类参数（“权重”和“超参数”）

此外，还存在训练参数，如梯度下降步骤的步长、动量、正则化（或权重衰减）参数、优化函数（通常为最小二乘法）等。有些人还可能将它们包括在参数集中

---

因此，我建议您详细了解一下论文中所称的“参数数量”，因为很难相信is在整个文献中都有一致的表述。

这个问题更多的是关于语言而不是实际的代码问题，因此可能更适合这个问题，或者这个问题似乎离题了，因为它是关于神经网络的。谢谢！你完全回答了我的问题。我试图将您的答案设置为“已接受”，但stackoverflow会产生错误。