我怎么知道要向我的神经网络添加一个层？
How do I know to add a layer to my neural network?
当我开发带有 sigmoid 激活的单个隐藏层反向传播 NN 的小型原型时，我已经从使用非常基本的数据和输出训练它转变为想要训练著名的 Iris 数据。
(http://archive.ics.uci.edu/ml/datasets/Iris)
此数据有 3 个输出，并且已内置到许多示例 NN 实现中，几乎可以证明它有效。 4 个输入，1x6 隐藏，3 个输出（几乎可以理解为它是 3 个物种之一的机会）。
当我尝试在该数据上对其进行训练时，总输出误差波动很大，无论是 1000 次甚至 50000 次迭代。
我可以将此视为添加另一个隐藏层的指标吗？
简而言之 - 没有。 Iris 几乎是线性可分的，你不需要任何额外的隐藏层来解决它（具有接近 100% 的准确率）。
当我开发带有 sigmoid 激活的单个隐藏层反向传播 NN 的小型原型时，我已经从使用非常基本的数据和输出训练它转变为想要训练著名的 Iris 数据。
(http://archive.ics.uci.edu/ml/datasets/Iris)
此数据有 3 个输出，并且已内置到许多示例 NN 实现中，几乎可以证明它有效。 4 个输入，1x6 隐藏，3 个输出（几乎可以理解为它是 3 个物种之一的机会）。
当我尝试在该数据上对其进行训练时，总输出误差波动很大，无论是 1000 次甚至 50000 次迭代。
我可以将此视为添加另一个隐藏层的指标吗？
简而言之 - 没有。 Iris 几乎是线性可分的，你不需要任何额外的隐藏层来解决它（具有接近 100% 的准确率）。