0

我正在关注https://scikit-learn.org/stable/auto_examples/neural_networks/plot_mnist_filters.html#sphx-glr-auto-examples-neural-networks-plot-mnist-filters-py上的示例，我正在尝试弄清楚我对示例中输入和输出层中的节点数量的理解是否正确。所需代码如下：

import matplotlib.pyplot as plt
from sklearn.datasets import fetch_openml
from sklearn.neural_network import MLPClassifier

print(__doc__)

# Load data from https://www.openml.org/d/554
X, y = fetch_openml('mnist_784', version=1, return_X_y=True)
X = X / 255.

# rescale the data, use the traditional train/test split
X_train, X_test = X[:60000], X[60000:]
y_train, y_test = y[:60000], y[60000:]

mlp = MLPClassifier(hidden_layer_sizes=(50,), max_iter=10, alpha=1e-4,
                    solver='sgd', verbose=10, random_state=1,
                    learning_rate_init=.1)

mlp.fit(X_train, y_train)
score = mlp.score(X_test, y_test)

根据https://dudeperf3ct.github.io/mlp/mnist/2018/10/08/Force-of-Multi-Layer-Perceptron/，该示例说明输入层中有 784 个节点（我假设shape来自数据）和输出层的 10 个节点，每个数字 1 个节点。

MLPClassifier上面代码中的情况是这样吗？

谢谢你，一些澄清会很棒！

4

1 回答 1

1

你的理解是正确的。MNIST 数字数据的图像大小为 28x28，其被展平为 784，输出大小为 10（从 0 到 9 每个数字一个）。MLPClassifier 根据Fit方法 中提供的数据隐式设计输入和输出层。

您的 NN 配置如下所示： 输入：200 x 784 隐藏层：784 x 50（特征大小：200 x 50） 输出层：50 x 10（特征大小：200 x 10）

MLPClassifier 中的批量大小默认为 200，因为训练数据大小为 60000

于 2020-01-11T04:13:46.257 回答