Table of Contents
تعیین تعداد نورون های مورد نیاز در یک شبکه عصبی برای طبقه بندی تصویر شامل درک پیچیدگی کار و داده ها است.
عوامل موثر درfluencing Neuron Count
تعداد نورون ها به عوامل مختلفی بستگی دارد، از جمله اندازه تصاویر ورودی، پیچیدگی ویژگی ها و دقت مورد نظر. تصاویر بزرگتر و وظایف پیچیده تر به طور معمول نیاز به نورون های بیشتری دارند.
روش محاسباتی پایه
با لایه ورودی شروع کنید که با تعداد پیکسل ها در تصویر مطابقت دارد (به عنوان مثال، برای یک تصویر 28x28، نورون های ورودی = 784) لایه خروجی با تعداد کلاس ها مطابقت دارد. نورون های لایه های پنهان معمولاً از طریق آزمایش یا روش های اکتشافی تعیین می شوند.
تخمین زدن نورهای لایه پنهان
استراتژی های مشترک شامل:
- استفاده از چندین اندازه ورودی
- استفاده از قانون هرم هندسی
- اجرای تنظیم hyperparameter از طریق اعتبار
به عنوان مثال، یک لایه پنهان معمولی ممکن است بین 128 تا 512 نورون داشته باشد که بستگی به پیچیدگی داده ها دارد.
نکات عملی
با تعداد کمی از نورون ها شروع کنید و به تدریج افزایش دهید، دقت اعتبار سنجی برای هدایت تنظیمات استفاده کنید.در کل شبکه های بزرگ ممکن است به بیش از حد مناسب شوند، در حالی که نورون های بسیار کمی می توانند داده ها را تحت تاثیر قرار دهند.