Machine learning 如何计算神经网络中的连接数

我正好有这个场景，我需要知道这个集合有多少个连接。我搜索了好几个地方，我不确定答案。也就是说，我不知道如何计算我网络上的连接数，这对我来说还不清楚。我所掌握的情况如下：

**在所有输入中都有偏差，但最少有偏差

• 投入：784
• 第一个隐藏层-输出：400
• 第二隐藏层-输出：200
• 输出层-输出：10

我会这样计算：（（784*400）+偏差）+（400*200）+偏差）+（200*10）+偏差）=XXX

我不知道这是否正确。我需要帮助找出如何解决这个问题，如果这不仅仅是数学问题，那么做这个计算的理论是什么

---

谢谢。

您对总重量的计算是正确的。当n个神经元连接到m个神经元时，神经元之间的连接数为n*m。你可以通过画一个小图来看到这一点，比如说3个神经元连接到4个神经元。您将看到这两个层之间有12个连接。因此，如果你想要连接而不是权重，只需去掉等式中的“+偏差”部分

如果你想要总权重，那么这个数字就是简单的（n*m+m），因为第二层中的每m个神经元都有1个偏差权重

该神经网络中的总连接数：（784*400）+（400*200）+（200*10）

---

总的权重在该神经网络中：（784*400+400）+（400*200+200）+（200*10+10）

只需从一个小的开始，比如2x3（x3）x2，然后对它们进行计数，看看公式是否正确