【问题标题】:In a neural network, why is the number of hidden layer nodes frequently 2^n?在神经网络中,为什么隐藏层节点的数量经常是 2^n?
【发布时间】:2020-04-19 22:13:43
【问题描述】:

在教科书中,我注意到隐藏层中的节点数通常是 2 的幂。这有什么统计原因吗?或者这只是一个随意的约定?

【问题讨论】:

标签: tensorflow machine-learning keras neural-network


【解决方案1】:

2 层数的幂是最优的并没有真正的理由。似乎这是从业者和编码人员更广泛接受的经验法则或启发式方法。有人声称,由于内存硬件是按 2 的幂次方管理的,这可能会影响计算,但至少据我所知,没有真正的证据证明这一点。

【讨论】:

  • 我不认为你的回答是正确的。这不是“经验法则”。在许多编码领域,如果没有。神经元的个数不是 2 的幂,经常会出现错误(这就是我学习 2power 规则的方式)因此,它是由开发人员自己硬编码的。您的回答应该得到一些更好的主张的支持,而不是“据我所知”。它没有被广泛接受。我相信这一定是有原因的。
  • 感谢 neel g 的反对票。然而,仍然没有真正的数学证据来证明为什么这种做法被如此广泛地使用。我什至不知道有什么推测可以声称。这就是为什么我使用“经验法则”或启发式的措辞。很多时候,许多经验法则或“最佳”实践被证明是错误的并被抛弃,但在此之前,它们的广泛使用使我们能够以这种方式称呼它们。谢谢
猜你喜欢
  • 2015-05-28
  • 2017-01-17
  • 2019-12-13
  • 1970-01-01
  • 2015-08-31
  • 1970-01-01
  • 1970-01-01
  • 2017-09-28
  • 2011-07-31
相关资源
最近更新 更多