最佳的神经元和神经层大小,准确性和效率
Fre*_*Url -1 optimization artificial-intelligence machine-learning neural-network deep-learning
我正在研究Deep Neural Networks并且想知道以下问题:
为了获得最佳准确度,每层最佳层数和神经元数量是多少？
根据这张图片:
最佳数字是否等于要素大小,以便考虑每个要素对另一组要素的影响？
此外,如果我们寻求最佳的准确性和效率,答案会有所不同吗？
谢谢,任何见解表示赞赏!
编辑:
这些答案内容丰富.我仍然觉得他们没有特别提到我问题的第一部分.澄清:是否有最大量的神经元和层在应用时对数据同样精细,因此添加更多神经元或层将是多余的？我假设3个特征数据集的无限层在某些时候变得不必要.再次感谢所有阅读和回复!
你的问题没有一般的答案.这样的数量被称为超参数,它们的选择是一个开放的问题,也是机器学习艺术的重要组成部分.以下是关于Quora主题的讨论.
有关神经网络及其内部工作的良好介绍,请参阅改进神经网络学习的方式.
为了获得选择这样的超参数和构建网络架构的直觉,研究已知的成功模型是明智的:
LeNet:Convolutional Networks的首次成功应用是由Yann LeCun在1990年开发的.其中最着名的是用于读取邮政编码,数字等的LeNet架构.
AlexNet:在计算机视觉领域推广Convolutional Networks的第一项工作
GoogleNet:ILSVRC 2014获奖者
研究它们是如何针对所解决问题的细节而设计的.
| 归档时间： |
|
| 查看次数： |
156 次 |
| 最近记录： |