Python 第二个到最后一个致密层应该是什么？

在线查看Keras CNN示例时，我总是看到最后两层完全连接，如

model.add(Flatten()) 
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(3))

我理解最后一个稠密层，这个数字是3，因为在这个特定的例子中，这是可以选择的类的数量

我不明白的是为什么倒数第二个致密层是64。有时是64、128或512

---

我的问题是64在

模型中是什么意思。添加（稠密（64））

是什么决定了这个数字？

64是该层神经元的数量。为什么是64岁？对于隐藏层中神经元的数量并没有“精确”的规则。可能是参数调整的结果，也可能是因为他们的机器无法运行100个神经元，或者其他原因

当你创建一个神经网络时，层中神经元的数量是你应该调整以找到最佳结果的众多超参数之一。还有隐藏层的数量（你不知道为什么有1个完全连接的隐藏层吗？）或激活功能

---

我从中读到：“隐藏层的最佳大小通常介于输入层和输出层的大小之间”，但在我曾经做过的许多情况下，这种情况不会发生。

反复试验。。。经验数据。。。异想天开。。。你说得对。这个问题不适合，因为它不是关于keras编码的，试试看。它意味着一个完全连接的神经层（不是CNN层），其中有64个节点。