确定BP神经网络中的节点数

输入层

输入层节点数=输入向量维数

MNIST例子中，单张MNIST图片大小为28*28，reshape为一维数组，长度为784，所以输入层节点数为784：

network = Network([784, 100, 10])

iris例子中，每种花测量了4种属性的值，所以输入层节点数为4：

net = Network([4, 2, 3])

输出层

输出层节点数=输出向量维数

MNIST例子中，所有图片的值只有10种，所以输出层节点数为10：

network = Network([784, 100, 10])

iris例子中，花的类别只有{Iris-setosa，Iris-versicolor，Iris-virginica}这3种，所以输出层节点数为3：

net = Network([4, 2, 3])

隐藏层

综合网上所述，有以下几种：

构造法：首先运用三种确定隐含层层数的方法得到三个隐含层层数，找到最小值和最大值，然后从最小值开始逐个验证模型预测误差，直到达到最大值，最后选取模型误差最小的那个隐含层层数。该方法适用于双隐含层网络。

其他方法一：（输入+输出）/2

其他方法二：输入数据的大小*(2-32之间的数值)

参考：

https://www.cnblogs.com/ratels/p/12262241.html

https://www.cnblogs.com/ratels/p/11452167.html

https://zhidao.baidu.com/question/350689664.html?qbl=relate_question_2&word=ann%20%BD%DA%B5%E3%CA%FD%C1%BF

https://zhidao.baidu.com/question/1046283931145185579.html?qbl=relate_question_7&word=ann%20%BD%DA%B5%E3%CA%FD%C1%BF

https://zhidao.baidu.com/question/501839410.html