在识别手写数字时，为什么我们应该在输出层使用10个神经元，而不是4个神经元？
在识别手写数字时，我们应该在输出层使用10个神经元而不是4个神经元的原因是因为手写数字的范围是从0到9，一共有10个不同的数字。每个神经元可以表示一个数字的概率，因此我们需要10个神经元来分别表示0到9这10个数字的概率。
使用10个神经元的输出层可以提供更准确的分类结果。每个神经元输出的概率可以用来表示该数字的可能性，最终选择概率最高的神经元对应的数字作为分类结果。
另外，使用10个神经元的输出层还可以方便地与其他任务进行扩展。例如，如果我们希望在手写数字识别的基础上进行多标签分类，即同时识别数字和字母，我们可以在输出层增加更多的神经元来表示字母的概率。
推荐的腾讯云相关产品是腾讯云人工智能平台（AI Lab），该平台提供了丰富的人工智能服务和工具，包括图像识别、语音识别、自然语言处理等功能，可以帮助开发者快速构建和部署人工智能应用。
腾讯云人工智能平台产品介绍链接地址：https://cloud.tencent.com/product/ai
相关·内容
我读过中的chap1，在“一个简单的手写数字分类网络”(你可以用ctrl-f搜索)中，我发现了一个很好的问题：“为什么我们应该在输出层使用10个神经元，而不是4个神经元?”对于4个神经元，每个神经元的值为0或1，则表示2^4 = 16 > 10。那么，为什么我们不在输出
浏览 3提问于2016-09-12得票数 1
在第一章中，他给出了10个手写体数字分类的经典例子，并用它解释了选择输出神经元数量的直觉。一开始，在阅读这本书之前，我认为这是很直观的，你需要10个输出神经元，每个神经元代表一个给定的数字，但我开始质疑我为什么这么认为。你可能会想，为什么我们使用10个输出神经元。最终的理由是经验性的:<
浏览 0提问于2019-08-25得票数 6
回答已采纳
1回答
我正在尝试准确地理解如何在python中实现一个基本的神经网络，它将使用遗传算法进行无监督学习，并且遇到了一个小问题，我能够找到的文献还没有解决这个问题。假设我有2个值的输入，它们被传递到一个应用了所有权重/偏差的3个神经元隐藏层。在我确定它是否启动后，我现在发送什么？我是从我的sigmoid发送输出，还是发送一个完整的停止/开始。换句话说，我进入隐藏层2的输出是二进制的还是非二进制的？
谁能用我们选择一个或另一个背后的理由来解释这
浏览 0提问于2018-02-23得票数 0
1回答
具体来说，我试图创建一个神经网络来识别手写数字。我正在使用sklearn的，但我自己编写了神经网络。简单的测试是成功的，比如OR门或门和门，所以我相信反向传播已经成功实现了，但我发现，经过培训后，当处理手写数字的8x8像素图像时，网络仍然工作得很差。I目前有64个输入(8x8图像)和10个输出(每个数字有一个)，每个4大小的隐藏层有2个。我怀疑是多个输出导致问题，因为网络通常会达到的激活。
可能的想
浏览 2提问于2017-09-25得票数 2
回答已采纳
我目前正在阅读Michael Nielsen的电子书，并运行了在第1章末尾找到的代码，该章训练了一个神经网络来识别手写数字(只需稍加修改，就可以使反向传播算法建立在基于小型批处理矩阵的基础上)。但是，在运行了这个代码并达到了94%以下的分类精度之后，我决定从网络中消除偏见的使用。经过重新训练修改后的网络，我发现分类的准确性没有差别！NB:这个网络的输出层包含十个神经元，如果这些神经元的第一个激活程度最高，则输入被归类
浏览 0提问于2020-03-17得票数 0
回答已采纳
1回答
我正在学习二维神经元网络，所以我面临许多障碍，但我相信这是值得的，我真的很享受这个学习过程。然而，我的输出层将是由10个神经元组成的一维层<
浏览 0提问于2015-12-17得票数 1
回答已采纳
我正在使用MNIST手写数字数据集来训练CNN。但是我怎么知道哪个概率是指哪个数字呢？我试着查看在互联网其他地方找到的文档和示例实现，但似乎没有人讨论过这种特殊的行为。然后是扁平层，然后是128个神经元的致密层和10个神经元的输出致密层。)
predictions = cnn_model.predict(t
浏览 1提问于2020-03-16得票数 0
回答已采纳
这意味着输入中的每一个神经元都会将它的激活发送给第二层中的16x16 =265个神经元，每个神经元可能会将它们的激活发送到另一个265个，这样我们的最顶端的神经元就被表示在265 ^2个输出神经元中，等等使用像沿边缘镜像这样的技巧无助于此:第二层神经元将被投射到边缘，这意味着第二层神经元将被低估(从而限制了我们边缘神经元
浏览 1提问于2014-10-06得票数 4
3回答
在标准的神经网络中，我试图直观地理解模型中隐藏层的值意味着什么。
无论我得到什么值，我用一个sigmoid函数压缩它，得到介于0到1
浏览 2提问于2019-08-06得票数 0
2回答
我试图在C#中实现增强拓扑的神经进化。我遇到了一个经常发生关系的问题。据我所知，对于一个经常性的连接，输出基本上是暂时的。在链接图像中，我展示了一个非常简单的神经网络，它包含2输入、3个隐节点和one输出。你究竟如何识别这些联系？
浏览 2提问于2017-07-23得票数 3
回答已采纳
1回答
卷积神经元网络体系结构的确定我读过很多关于神经元网络，反向传播，随机梯度下降，过度拟合，正则化等等的文章。有一些“难”的数学规则:这很容易理解。但是，我怎么知道我的卷积神经元网络所需要的体系结构呢？我想把这些植物分类：
我研究了mnist数据库(手写数字数据库)的示例--为什么使用这些体系结构中的大多数示例:conv5x5 ->池(2，最大) -> Conv5x5？我已经绘制了第一个隐藏层的权重
浏览 2提问于2017-03-12得票数 0
回答已采纳
2回答
用于图像识别的神经网络可能是非常大的。有成千上万的输入/隐藏的神经元，数百万的连接，可以占用大量的计算机资源。虽然在c++中通常是32位和 64位，但是它们在速度上并没有太大的差异，但是使用浮点数可以节省一些内存。有了一个神经网络，使用作为激活函数的是什么，如果我们能够选择神经网络中的哪些变量可以浮动，或者可以双倍浮动，以节省内存，而不使神经网络无法执行呢？1.隐藏神经元输出精度如何，让它们也浮起来安全吗？
浏览 1提问于2016-11-10得票数 6
1)是否有输入神经元的标准值？例如，如果一个神经元有5个传入连接，每个连接是否应该提供一个在0到1之间的连续值？( b) 0或1？( c)其他东西？2)如果使用tanh的激活函数，这意味着当点积输入达到约3 (tanh(3) = .995)时，神经元将开始输出1。如果我有一个由20个隐藏节点组成的层，这意味着如果我们要避免使激活函数最大化，那么权重就需要小一些--在.05标记周围？那我们为什
浏览 2提问于2013-09-12得票数 5
回答已采纳
1回答
其思想是对网络进行训练，使每个节点$w_i$成为一个簇的质心，从而与网络中的神经元进行识别。由于我们事先不知道簇的数目，我们应该建立大量的神经元，$W$，比如$W<< M$，然后识别代表质心的节点(检查哪些位于更密集的区域，以及其他类似的标准)。
我不明白的是为什么有人会这么做。为什么使用SOM是有利的呢？我相信在执行集群时我希望有更多的数据，所以我认为拥有$M$样本而
浏览 0提问于2018-03-11得票数 0
我是使用人工神经网络解决分类问题的新手。我有一个分类问题，其中输入数据是8列，小数值是测量值，输出数据是8列，整数值是对象
785.39 6.30 782.75 771.82 7.53 -94.86 378.66 771.82
浏览 1提问于2017-05-13得票数 1
2回答
我有一个有结构的神经网络:7个输入神经元，3个输出神经元。训练周期约为100 K。我真的得到了更好的结果-我有更多的隐藏神经元！不仅仅是数量的2倍，而是输入层数量的6倍。换句话说，目前共有44个隐<
浏览 5提问于2015-04-10得票数 2
回答已采纳
3回答
考虑转移学习，以便在keras/tensorflow中使用预先训练的模型。对于每个旧层，trained参数设置为false，以便在训练期间不更新其权重，而最后一层已被新层取代，必须对这些层进行训练。特别是增加了两个完全连接的隐层( 512和1024神经元)和激活函数。在这些层之后，Dropout层与rate 0.2一起使用。这意味着在训练的每一个时期，神经元</e
浏览 2提问于2020-09-04得票数 2
回答已采纳
在手动完成后，我打算在Keras中使用该库进行练习。
在这个练习中，我们有5000个手写数字的图像，从0到9。每个图像是一个20x20的矩阵。数据集被存储在形状为5000x400的矩阵X中(每个图像都已‘展开’)，并且标签被存储在形状为5000x10的矩阵y中。Y的每一行都是一个热一向量。本练习要求实现反向传播，以最大化对数似然，对于具有一个输入层、一个隐藏层和一个输出层的简单神经网络。隐藏层有25
浏览 5提问于2018-12-06得票数 1
1回答
我对网络中每一层的“神经元”所涉及的数学是模糊的。假设我有三层。第一层接受大小为100的输入向量。这是否意味着我的第一层将有100个神经元？这是否也意味着每个神经元的输入将是所有100个输入乘以权重的总和？这就是我的神经元激活函数的输入之和吗？
在这一章中提到，神经元/感知器的所有输入之和可以重表示为输入(x)和权重(w)的点乘积。最后，如果一个层的输入是100，输出是1000，这是否意味
浏览 1提问于2016-11-04得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
