deeplearning4j定义层

Question

下面的代码来自https://deeplearning4j.org。我不太理解nIn和nOut参数。下面的定义是创建2层，还是创建3层，其中一个隐藏层包含1.000个神经元？如果第0层的nOut与第1层的nIn不匹配，会发生什么情况？这个数字是否必须总是相同的(在本例中为1.000)？

.layer(0, new DenseLayer.Builder()
            .nIn(numRows * numColumns) // Number of input datapoints.
            .nOut(1000) // Number of output datapoints.
            .activation("relu") // Activation function.
            .weightInit(WeightInit.XAVIER) // Weight initialization.
            .build())
    .layer(1, new OutputLayer.Builder(LossFunction.NEGATIVELOGLIKELIHOOD)
            .nIn(1000)
            .nOut(outputNum)
            .activation("softmax")
            .weightInit(WeightInit.XAVIER)
            .build())
    .pretrain(false).backprop(true)
    .build();

Answer 1

这是标准的神经网络。如果你是神经网络的新手，我建议你阅读背景资料。

密集层是定义各种隐藏层的输入和输出数量的标准神经网络。