以下のコードは1つまたは2つの層を表しますか？私は混乱している、なぜなら、ニューラルネットの入力層とも考えられないからです。TF-スリム層数
input_layer = slim.fully_connected(input, 6000, activation_fn=tf.nn.relu)
output = slim.fully_connected(input_layer, num_output)
隠れたレイヤーを含んでいますか？私はネットを視覚化できるようにしようとしています。前もって感謝します！ tensorflow-slimから
の隠された大きさを持つ層
あなたには1つの隠れ層があるニューラルネットワークがあります。あなたのコードでは、inputは上記の画像の 'Input'レイヤーに対応しています。 input_layerは、画像が「非表示」と呼ぶものです。 outputはイメージが「出力」と呼ぶものです。
ニューラルネットワークの「入力レイヤー」は、アクティブ化されていない生データのみであるため、従来の完全接続レイヤーではありません。それはちょっとした誤解です。入力層の上の写真のニューロンは、隠れ層または出力層のニューロンと同じではありません。
：
さらに、TF-スリムのslim.stack演算子は繰り返し層のスタックやタワーを作成するために、異なる引数で同じ操作を適用する発信者を可能にします。また、slim.stackは作成された操作ごとに新しいtf.variable_scopeを作成します。例えば、多層パーセプトロン（MLP）を作成するための簡単な方法：
# Verbose way:
x = slim.fully_connected(x, 32, scope='fc/fc_1')
x = slim.fully_connected(x, 64, scope='fc/fc_2')
x = slim.fully_connected(x, 128, scope='fc/fc_3')
# Equivalent, TF-Slim way using slim.stack:
slim.stack(x, slim.fully_connected, [32, 64, 128], scope='fc')
は、だからここに述べたネットワークは[32, 64,128]ネットワークである - 64
コメントありがとうございました！だから、32ニューロンは入力層を表しますか？ 1000個の機能を持つ入力があるとします。それは、入力層が入力層のために1000個のフィーチャを32個のニューロンに凝縮しなければならないということではありませんか？その後、入力レイヤーから最初の隠れレイヤーまでの32x64ウェイト接続がありますか？申し訳ありませんが、私はちょうどこれを理解しようとしています！ – dooder
@dooderの質問は常に良いです！しかし、私はTensorflowで働かないので、この質問に答えることはできません。だから私は値が凝縮する方法を知らない。しかし、32ニューロンの層と64ニューロンの層がある場合、接続の量は実際には32 * 64になります。 –
ありがとう！それは今意味がある！だから、私が持っているコードは、あなたが正しく提示した3層ニューラルネットワークを表すでしょうか？ – dooder
正しい。入力サイズはコード内の 'input'のサイズです。隠れ層のサイズは6000です。出力層のサイズは 'num_output'です。 –