MNIST 隐藏层直观理解

对于最简单的带有一个隐藏层的 MNIST 解决方案,我可以将隐藏神经元的数量理解为我们将输入分成的部分数吗?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784/30个像素),然后进行计算吗?谢谢!


回答:

我不完全确定你的意思。如果你的网络结构是[784, 30, 10],那么你有784个输入神经元,30个隐藏神经元和10个输出神经元。神经元并不了解“像素”的概念,它们只是参数。网络基本上是从第一个输入计算出30个值,而输出则从前面的30个值计算出10个值。

我可以说我将784个像素分成30个小图像(每个图像784/30个像素),然后进行计算吗?

不可以,因为神经元并不是图像。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注