【发布时间】：2018-09-23 01:28:33
【问题描述】：
我正在 youtube 上观看有关神经网络的讲座。我不确定如何识别网络中神经元和层的数量。我已经发布了左侧 youtube 讲座的讲座幻灯片，其中包含 3 个神经元和 2 层。我在谷歌上找到了一张图片，并把它贴在了右边。我对谷歌图像的神经元和层数的猜测是否正确？
【问题讨论】：
标签： machine-learning neural-network
【发布时间】：2018-09-23 01:28:33
【问题描述】：
左边（来自讲座）图像中的神经元和层数是正确的，而第二张图像中的神经元和层数是错误的。有三层和十二个神经元，但是神经元的总数没有任何意义，最重要的是每层有多少个神经元。所以你可以这样描述这个网络：
三层神经网络，第一层（输入层）由 四个神经元，第二层（隐藏层）- 六个 神经元和第三层（输出层） - 两个神经元。
即使在这张图片中，您也可以标记图层并以图形方式很好地表示
在任何网络中你都有输入层和输出层，所以你已经有两层了，如果输入在输出神经元之前被另一个神经元处理，这意味着你有隐藏层。您的网络中可以有许多隐藏层，称为多层神经网络。以下是其中一些示例：
注意：
网络中层的增加会增加它的训练时间
【讨论】：
-
观察：讲座是错误的。左侧有一个隐含的输入层，没有被调出。假设我们不将输入层计入层数的约定，那么您提供的所有示例（以及 OP 的示例）都将比提到的少一层。
-
这只是协议的情况。有人将输入视为层，而有人 - 不是。老实说，我同意你的观点，我不认为输入是层，因为没有任何激活函数。但是在这个问题中有一个来自讲座的例子，其中未定义这个“感知器”是两层的。所以我试图根据问题而不是根据我的考虑来解释