【发布时间】：2022-03-08 04:15:04
【问题描述】：
我对神经网络非常陌生，但我正在尝试创建一个用于光学字符识别的神经网络。我有 100 张 24x14 大小的从 0 到 9 的每个数字的图像。神经网络的输入数量为 336，但我不知道如何获得隐藏神经元和输出神经元的数量。
如何计算？
【问题讨论】：
标签： neural-network ocr
【发布时间】：2022-03-08 04:15:04
【问题描述】：
虽然对于输出神经元，数量应该等于您要区分的类的数量，但对于隐藏层，大小不是那么直接设置，它主要取决于复杂性之间的权衡模型和泛化能力（见https://en.wikipedia.org/wiki/Artificial_neural_network#Computational_power）。
这个问题的答案可以帮助： training feedforward neural network for OCR
【讨论】：
输出神经元的数量就是你的类数（除非你只有 2 个类并且没有使用 one-hot 表示，在这种情况下你可以只使用 2 个输出神经元）。
隐藏层的数量以及随后的隐藏神经元数量并不像初学者想象的那么简单。每个问题都会有不同的配置来解决它。您必须尝试多种方法。请记住这一点：
- 添加的层数越多，计算就越复杂，因此网络训练的速度就越慢。
- 最佳和最简单的做法之一是保持每层中隐藏神经元的数量不变。
- 请记住每一层中隐藏的神经元的含义。输入层是您的起始特征，每个后续隐藏层都是您对这些特征所做的事情。
- 想想您的问题和您正在使用的功能。如果您正在处理图像，您可能希望在您的第一个隐藏层中使用大量神经元来将您的特征分解为更小的单元。
通常，当您将神经元数量增加到一定程度时，您的结果不会有太大变化。当你练习更多时，你会习惯这一点。请记住您所做的权衡
祝你好运:)
【讨论】：