【发布时间】：2017-05-25 19:02:50
【问题描述】：
对于具有 1 个隐藏层的最简单的 MNIST 解决方案，我能否将隐藏神经元的数量理解为我们将输入划分为多少部分？ 例如：[784,30,10] 我可以说我将 784 个像素分成 30 个小图像（每个图像中的 784/30 个像素）然后进行计算吗？ 谢谢！
【问题讨论】：
标签： machine-learning neural-network mnist
【发布时间】：2017-05-25 19:02:50
【问题描述】：
我不完全确定你的意思。如果你有一个像 [784, 30, 10] 那样分层的网络，你有 784 个输入神经元，30 个隐藏神经元和 10 个输出神经元。神经元对“像素”一无所知，它们只是参数。网络基本上是从第一个输入中计算出 30 个值，输出从前 30 个值中计算出 10 个值。
我可以说我将 784 个像素分成 30 个小图像（每个图像中 784/30 个像素）然后进行计算吗？
不，因为神经元不是图像。
【讨论】：
-
所以我这里的理解是隐藏层只是对真实输入的抽象，隐藏层中的神经元也可以不仅仅是输入。对吗？
-
@Demon 完全正确！每个隐藏层都是与期望输出相关的真实输入的抽象。隐藏层中的神经元可以是任意数量，与输入/输出大小无关。