我正在查看Aymeric Damien(https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py)的张量流示例,并在weights
中使用神经网络对MNIST数字进行分类。我认为他正在使用 784输入的神经网络,其中2个隐藏层各有256个神经元,10个输出。我对么? polygon_perceptron.py中的biases
和public interface ThingRepository extends JpaRepository<Thing, Long>{
@Query("select t from Thing t .....")
public List<ThingProjection> findBySomeCriteria(...);
}
中的矩阵维度与ANN“维度”(每个隐藏层中的#inputs,#hidden layer,#output,#neurons,等等。 谢谢!
答案 0 :(得分:0)
这是一个3层神经网络(2个隐藏层和一个输出层)。
第一个隐藏层的输入之间的连接具有784 x 256个权重,具有256个偏差。这种配置是由于784个输入中的每一个完全连接到256个隐藏层节点,每个隐藏层节点都有1个偏差。
由于各层之间的完全连接,第一个隐藏层与第二个隐藏层之间的连接具有256 x 256个权重。第二层的256个节点各有1个偏差。
第二个隐藏层和输出层之间的连接类似。有256 x 10个权重(对于第二个隐藏层的256个节点和输出层的10个节点),每个输出节点有1个偏差。
因此有785 * 256 + 256 * 256 + 256 * 10 = 269,056权重和256 + 256 + 10 = 522偏差。
下图应该完整解释。