Neural network 如何计算神经网络中隐藏和输出神经元的数量？

我对神经网络非常陌生，但我正在尝试创建一个用于光学字符识别的神经网络。我有100个图像，每个数字从0到9，大小为24x14。神经网络的输入数量是336，但我不知道如何获得隐藏神经元和输出神经元的数量

---

如何计算它？

对于输出神经元，数量应该等于您想要区分的类的数量，而对于隐藏层，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（请参阅）

这个问题的答案有助于：

---

输出神经元的数量只是你的类数（除非你只有2个类，并且不使用一个热表示，在这种情况下，你可以只使用2个输出神经元）

隐藏层的数量，以及随后隐藏神经元的数量，并不像初学者想象的那么简单。每个问题都有一个不同的配置来解决。你必须尝试多种方法。但请记住这一点：

添加的层越多，计算就越复杂，因此，网络的训练速度就越慢

最好和最简单的做法之一是在每一层中固定隐藏神经元的数量

记住每一层隐藏的神经元意味着什么。输入层是您的起始要素，每个后续隐藏层是您对这些要素所做的操作

想想你的问题和你正在使用的功能。如果你在处理图像，你可能希望在第一个隐藏层中有大量的神经元将你的特征分割成更小的单元

通常情况下，当神经元数量增加到一定程度时，结果变化不大。随着练习的深入，你会习惯的。只要记住你正在做的权衡

祝你好运：）