我想使用神经网络实现图片分类。我想了解如何从图片中选择特征，以及应该使用多少隐藏单元或层。
目前我的想法是将图片大小调整到50×50或更小，这样特征的数量会减少，并且所有输入的大小保持一致。特征将是每个像素的RGB值。这样做可以吗？还是有其他更好的方法？
我决定使用一个隐藏层，其单元数量为输入的一半。我可以调整这个数量以获得更好的结果。或者我需要更多的层吗？
回答：
有许多图像数据集被神经网络成功学习，例如
- MNIST（在这里你会找到许多论文的链接）
- NORB
- 和 CIFAR-10/100。
你不需要很多训练样本。通常一个隐藏层就足够了。但确定“正确”的神经元数量可能很困难。有时隐藏神经元的数量甚至应该大于输入的数量。当你使用两个或更多隐藏层时，通常需要较少的隐藏节点，并且训练速度会更快。但如果隐藏层太多，训练第一层的权重可能会变得困难。
一种专门为图像设计的神经网络是卷积神经网络。它们通常比多层感知器效果更好，并且速度更快。
