根据this answer，一个人永远不应使用两个以上的神经元隐藏层。
根据this answer，中间层最多应包含输入或输出神经元数量的两倍（因此，如果您有5个输入神经元和10个输出神经元，则每层应该使用（最多）20个中间神经元）。
这是否意味着将在该数量的神经元内对所有数据进行建模？
因此，例如，如果要执行从建模天气（来自不同气象站的数据中的一百万个输入节点）到简单的OCR（分辨率为1000x1000DPI的扫描文本）的任何操作，那么将需要相同数量的节点吗？
PS。
我的last question已关闭。是否还有另一个SE网站上有这类问题？
最佳答案
您的数据可能会过拟合（aka高方差）。这样思考：您拥有的神经元和层越多，则给您更多的参数以更好地适合您的数据。
请记住，对于第一层节点，方程变为Z = sigmoid（sum（W * x））
第二层节点变为Z2 = Sigmoid（sum（W * Z））
看看斯坦福大学教授的机器学习课程吧……这是一本很好的在线课程，也是参考的好工具。
关于neural-network - 人工神经网络的深度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/9690587/