sklearn的MLPClassifier的输入和输出层中有多少个节点用于MNIST数字分类任务

Question

我正在遵循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，并试图弄清我对示例中输入和输出层中节点数的理解是否正确。所需的代码如下：

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/，该示例说明了输入层中的784个节点（我认为是来自数据的shape）和输出层的10个节点，每个数字1个。

上面的代码中的MLPClassifier是否是这种情况？

谢谢，您的澄清将非常有用！

Answer 1

您的理解是正确的。 MNIST数字数据的图像大小为28x28，展平为784，输出大小为10（0到9的每个数字一个）。 MLPClassifier基于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（要素尺寸：200 x 50）输出层：50 x 10（要素尺寸：200 x 10）

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