这个神经网络的维度，即（4 个输入，2 个隐藏层，每个隐藏层有 X 个神经元，等等）
Dimensions of this neural network i.e (4 inputs, 2 hidden layer with X neurons each, etc)
我在看 Aymeric Damien (https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py) 的 tensorflow 示例，在 multilayer_perceptron.py 中他使用神经网络对 MNIST 数字进行分类。我认为他使用的神经网络具有 784 个输入，2 个隐藏层，每个隐藏层有 256 个神经元，以及 10 个输出 。我对么？ weights和multilayer_perceptron.py中的biases中的矩阵维度如何对应ANN"dimensions"（#inputs，#hidden layers，#output , #neurons in each hidden layer等谢谢！
这是一个 3 层神经网络（2 个隐藏层和一个输出层）。
第一个隐藏层的输入之间的连接具有 784 x 256 个权重和 256 个偏差。这种配置是由于784个输入中的每一个都与256个隐藏层节点全连接，并且每个隐藏层节点都有1个偏置。
由于层之间的完全连接，第一个隐藏层到第二个隐藏层之间的连接具有 256 x 256 权重。第二层的256个节点各有1个偏置。
第二个隐藏层和输出层的连接类似。有 256 x 10 个权重（第二个隐藏层的 256 个节点和输出层的 10 个节点），每个输出节点有 1 个偏差。
因此有 785*256 + 256*256 + 256*10 = 269,056 个权重和 256 + 256 + 10 = 522 个偏差。
下图应该可以解释得很清楚了。
我在看 Aymeric Damien (https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py) 的 tensorflow 示例，在 multilayer_perceptron.py 中他使用神经网络对 MNIST 数字进行分类。我认为他使用的神经网络具有 784 个输入，2 个隐藏层，每个隐藏层有 256 个神经元，以及 10 个输出 。我对么？ weights和multilayer_perceptron.py中的biases中的矩阵维度如何对应ANN"dimensions"（#inputs，#hidden layers，#output , #neurons in each hidden layer等谢谢！
这是一个 3 层神经网络（2 个隐藏层和一个输出层）。
第一个隐藏层的输入之间的连接具有 784 x 256 个权重和 256 个偏差。这种配置是由于784个输入中的每一个都与256个隐藏层节点全连接，并且每个隐藏层节点都有1个偏置。
由于层之间的完全连接，第一个隐藏层到第二个隐藏层之间的连接具有 256 x 256 权重。第二层的256个节点各有1个偏置。
第二个隐藏层和输出层的连接类似。有 256 x 10 个权重（第二个隐藏层的 256 个节点和输出层的 10 个节点），每个输出节点有 1 个偏差。
因此有 785*256 + 256*256 + 256*10 = 269,056 个权重和 256 + 256 + 10 = 522 个偏差。
下图应该可以解释得很清楚了。