我正在按照这个教程的第五部分进行学习，链接如下： http://peterroelants.github.io/posts/neural_network_implementation_part05/
这个教程创建了一个适合识别手写数字0-9的神经网络。
在教程的中间部分，作者解释说这个神经网络有64个输入（代表64像素的图像），其中包含两个隐藏的神经网络，每个的输入大小为20。（见下方截图）
我有两个问题：
1) 谁能解释一下为什么要将64个输入层投影到20个输入层上？为什么选择20？这是随意的还是通过实验确定的？有没有直观的理由？
2) 为什么要使用两个隐藏层？我在别的地方读到，大多数问题可以通过1-2个隐藏层解决，通常是通过试错法确定的。这里也是这样吗？
期待任何想法
回答：
该网络包括：
- 一个具有64个神经元的输入层 —— 每个像素一个
- 一个具有20个神经元的隐藏层
- 另一个具有20个神经元的隐藏层
- 一个具有10个神经元的输出层 —— 每个数字一个
选择两个各有20个神经元的隐藏层是相对随意的，可能如你所说，是通过实验确定的。此外，将这些层描述为另一个“网络”可能会引起混淆/误导。你关于1-2个隐藏层通常足以解决问题的主张也是正确的，对于并不复杂的数字识别问题，情况确实如此。
