在线查看Keras CNN示例时，我总是看到最后两层是完全连接的层，如...
lexeme我理解最后一个Dense层以及该数字为3的事实，因为在这种特定情况下，这是可供选择的类的数量。
我不明白为什么倒数第二层的第二层是64.有时它是64，或128或512.
我的问题是model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(3))
中的64是什么意思以及决定这个数字的是什么？
答案 0 :(得分：2)
64是该层中神经元的数量。为什么64？没有＆＃34;确切的＆＃34;隐藏层中神经元数量的规则。可能是调整参数的结果，或选择它是因为他们的机器不能运行100个神经元或其他东西。
当您创建神经网络时，图层中的神经元数量是您应调整以找到最佳结果的众多超参数之一。还有隐藏层的数量（不要问为什么有1个完全连接的隐藏层？）或激活功能。
我已从https://stats.stackexchange.com/a/1097/105981读取：＆＃39; 隐藏图层的最佳大小通常介于输入大小和输出图层大小之间＆＃ 39;但是在很多情况下，我曾经做过，但这并没有发生