神经网络中有一些规则
A：输入层桅杆中的神经元与输入要素的数量相同
批次大小是从训练数据的第一个循环输入模型的大小。因此，神经元应等于批量大小。为什么等于输入要素的数量。
我还检查了将随机数量的神经元输入输入层是否可行。
B：如何预测一个好的模型 例如，在回归问题中-我损失了mse并损失了验证损失。验证损失将比好模型的损失略高（正如我从研究门的问答中读取的那样）。但是多少变化是好的。
谢谢
答案 0 :(得分：0)
A：网络第一层中神经元的数量不必等于批处理大小或要素的数量。如果您的模型中有更多的神经元，那么您的模型将具有更高的复杂性。
B：有许多方法可以衡量模型的性能。一种方法是将我们的数据集分为训练和验证集。然后，我们在训练数据上训练我们的网络。在训练过程中，我们会在训练和验证集上测量诸如MSE（均方误差）之类的损失指标。一旦绘制了两组的损耗/历元，就可以解释该图以查看模型是否经过适当训练。