本教程的神经网络隐藏层输入大小
Neural Network Hidden Layer Input Size for this Tutorial
我正在学习本教程的第 5 部分，可以在 link 中找到：http://peterroelants.github.io/posts/neural_network_implementation_part05/
这将创建一个适合识别 0-9 手写数字的神经网络。
在教程的中间，作者解释了神经网络有 64 个输入（代表 64 像素图像），其中包含两个输入大小为 20 的隐藏神经网络。（见下面的屏幕截图）
我有两个问题：
1) 谁能解释一下将 64 输入层投影到 20 输入层的选择？为什么选择20？是任意的还是实验决定的？有什么直观的原因吗？
2) 为什么有两个隐藏层？我在某处读到，大多数问题都可以用 1-2 个隐藏层来解决，这通常是通过反复试验来确定的。这里也是一样吗？
感谢任何想法
网络有：
- 一个具有 64 个神经元的输入层 --> 每个像素一个
- 具有 20 个神经元的隐藏层
- 另一个有 20 个神经元的隐藏层
- 具有 10 个神经元的输出层 --> 每个数字一个
两个20个神经元的隐藏层的选择比较随意，可能是实验决定的，就像你说的。此外，将这些层中的每一层描述为另一个 网络 可以是 confusing/misleading。你也是对的，因为 1-2 个隐藏层通常足以解决问题，而且数字识别并不复杂，情况就是这样。
我正在学习本教程的第 5 部分，可以在 link 中找到：http://peterroelants.github.io/posts/neural_network_implementation_part05/
这将创建一个适合识别 0-9 手写数字的神经网络。
在教程的中间，作者解释了神经网络有 64 个输入（代表 64 像素图像），其中包含两个输入大小为 20 的隐藏神经网络。（见下面的屏幕截图）
我有两个问题：
1) 谁能解释一下将 64 输入层投影到 20 输入层的选择？为什么选择20？是任意的还是实验决定的？有什么直观的原因吗？
2) 为什么有两个隐藏层？我在某处读到，大多数问题都可以用 1-2 个隐藏层来解决，这通常是通过反复试验来确定的。这里也是一样吗？
感谢任何想法
网络有：
- 一个具有 64 个神经元的输入层 --> 每个像素一个
- 具有 20 个神经元的隐藏层
- 另一个有 20 个神经元的隐藏层
- 具有 10 个神经元的输出层 --> 每个数字一个
两个20个神经元的隐藏层的选择比较随意，可能是实验决定的，就像你说的。此外，将这些层中的每一层描述为另一个 网络 可以是 confusing/misleading。你也是对的，因为 1-2 个隐藏层通常足以解决问题，而且数字识别并不复杂，情况就是这样。