1.如何選擇隱藏層數量和每層節點數量。
多層神經網路結構主要包括三個部分，輸入層-隱藏層--輸出層。
（1）輸入層節點數目等於輸入特徵的數量，或者輸入向量矩陣的橫向維度。
（2）輸出層節點數目，如果是回歸問題，節點數目是1，如果是分類問題輸出層節點數是1（如果是用softmax多類分類器，那麼有多少個類就因該有多少個節點）
（3）隱藏層
如果你的資料是線性可分的（你通常需要先知道這個問題），你根本不需要隱藏層。但是話說回來，如果資料線線性可分，你為什麼還要用神經網路呢？但是，當然，它也能很好的處理這個問題。
1.在大多數任務中，採用下面的策略進行隱藏層設定通常可以取得很好的表現：（i）隱藏層數量設為1層， （ii）這一層節點的數目為輸入層節點數目和輸出層節點數目和的平均。
2.還有乙個方法來求隱層節點數目, 根據maters（1993）提出的幾何金字塔規則（the geometric pyramid rule）：對乙個三層神經網路（輸入層n節點，乙個隱藏層，輸出層m節點），隱藏層節點個數等於sqrt(m*n)。
3.輸入層節點數n，輸出層節點數m，隱層設定為1層，隱藏層節點數目等於：2/3*n+m。
4.三層神經元，乙個隱層，隱層節點數小於輸入層節點數的一半。
5.這裡有乙個公式來計算隱層數量，需要考慮訓練資料的數量：ns/(α*(ni+no))，其中ns：訓練資料的樣本數量，ni：輸入層節點數，no：輸出層節點數，α：乙個隨機數，範圍通常是2-10. 這個α值可以看作，你想要你的模型有多麼general，或者你多想讓你的模型防止過擬合。你可以讓α從2開始嘗試。
神經網路各個網路引數設定原則
網路引數確定原則 網路節點 網路輸入層神經元節點數就是系統的特徵因子 自變數 個數，輸出層神經元節點數就是系統目標個數。隱層節點擊按經驗選取，一般設為輸入層節點數的75 如果輸入層有7個節點，輸出層1個節點，那麼隱含層可暫設為5個節點，即構成乙個7 5 1 bp神經網路模型。在系統訓練時，實際還要對...
搭建神經網路
1.import 2.train,test 3.model tf.keras.model.sequential 在sequential中描述網路結構，相當於走一遍前向傳播 4.model.compile 在compile中配置訓練方法，選擇哪個優化器，選擇什麼損失函式，選擇什麼評價指標 5.mode...
神經網路體系搭建（一） 神經網路
本篇是神經網路體系搭建的第一篇，解決體系搭建的前四個問題，詳見神經網路體系搭建 序 神經網路的定義就不再贅述，直接從最簡單的神經網路說起。將一系列輸入資料，通過訓練好的網路模型處理，得到輸出結果，這是神經網路決策的步驟。那麼我們的重點就是通過訓練得到網路模型。從上圖可以看出，模型的關鍵其實是尋找合適...