Machine learning 如何识别神经网络中神经元和层的数量

我正在youtube上观看关于神经网络的讲座。我不确定如何识别网络中神经元和层的数量。我把youtube演讲的幻灯片贴在左边，有3个神经元和2层。我在谷歌上找到了一张图片，贴在右边。我对谷歌图像中神经元和层数的猜测正确吗

---

在你的左图（来自讲座）中，神经元和层的数量是正确的，而在第二幅图像中，你是错误的。有三层和十二个神经元，但神经元的总数没有任何意义，最重要的是每层有多少个神经元。所以你可以这样描述这个网络：

神经网络分为三层，第一层（输入层）由 有四个神经元，第二层（隐藏层）-有六个 神经元和第三层（输出层）-具有两个神经元

即使在这张图片中，您也有标记的图层，并以图形方式很好地表示

在任何网络中，你们都有输入层和输出层，所以你们已经有了两层，若输入在输出神经元之前被另一个神经元处理，那个就意味着你们有了隐藏层。你可以在你的网络中有许多隐藏层，它被称为多层神经网络。以下是其中一些示例：

这是一个具有两个隐藏层的四层神经网络

这是一个更复杂的网络，有三个隐藏层。（总共五层）

注意：

增加网络中的层数会增加训练时间

---

一个观察：这个讲座是错误的。左边有一个隐含的输入层没有被调用。假设按照惯例，我们不将输入层计算在层数中，那么您给出的所有示例（以及OP的示例）的层数都会比前面提到的少一层。这只是一个一致的情况。有人认为输入是分层的，有人认为不是。老实说，我同意你的观点，我不认为输入是层，因为没有任何激活函数。但在这个问题上，有一个讲演中的例子，其中解释了这个“感知机”是两层的。所以我试着根据问题来解释，但不是根据我的考虑