如何选择神经网络的宽度与深度

深度——神经网络的层数宽度——每层的通道数分辨率——是指网络中特征图的分辨率深度和宽度是深度神经网络的两个基本维度，分辨率不仅取决于网络，也与输入图片的尺寸有关。对于深度和宽度，以及他们对网络性能的影响，这篇博客有介绍： 深度学习网络的宽度和深度怎么理解，增加宽度和深度对网络模型有什么影响？ 简单总结就是： 1.更深的网络，有更好的非线性表达能力，可以学习更复杂的变换，从而可以拟合更加复杂对神经网络模型来说，很明显有两个办法：把模型加深，或把模型加宽。另一方面，神经网络不是越深越好，也不是越宽越好，并且由于计算量的限制或对于速度的需求，如何用更少的参数获得更好的准确率无疑是一个永恒的追求。

本博客主要内容为图书《神经网络与深度学习》和National Taiwan University 在这一节中将讨论如何选择神经网络的超参数。1. 神经网络的超参数分类  神经网络的类型（如MLP,CNN） 2 输入数据 3 计算能力（硬件和软件能力决定）  4 学习速率 5 映射的输出函数1,2,4,5 B、2,3,4,5 C、都需要考虑D、1,

51CTO博客已为您找到关于神经网络网络深度如何选择的相关内容，包含IT学习相关文档代码介绍、相关教程视频课程，以及神经网络网络深度如何选择问答编者按：Ahmed Gad介绍了一个决定神经网络深度、网络层大小的简单方法。 将其中部分线段连接起来（每次选择哪些线段连接取决于设计者），并增加一