Discussion :

[vincent.mbg]

Bonjour

j'ai un perceptron multi-couche qui doit classer les chiffre de 0 à 9 inscrit sur des images. Les images ont une taille de 204 pixel
j'ai donc 204 neurones d'entrées et 10 de sorties plus une couche cachée
de 50 neurones.
J'ai du mal à avoir un résultat correct. Je ne sais vraiment pas combien de neurones mettre en couche cachées ni combien de couches cachées

Quelqu'un aurait il une idée ?

[Alp]

Souvent on fait une forme pyramidale.
Donc essaye à peu près la moitié de 204+10 (même si c'est un peu erronné de considérer la couche d'entrée comme ... une couche de neurones) = 107 neurones dans la couche cachée.

Il faut aussi voir à disposer d'un ensemble d'apprentissage assez varié (différentes écritures pour chaque chiffre, etc), de l'entrainer assez mais pas trop, etc.

[vincent.mbg]

merci beaucoup. par contre, ça fait beaucoup de neurone et le temps d'apprentissage est beaucoup plus long. J'ai remarqué que plus j'ai de couches plus je doit répéter l'apprentissage

J'ai gardé la forme de pyramide mais j'ai divisé par trois entre chaque couche.
sa marche assez bien et c'est plus rapide

[ToTo13]

Les images ont une taille de 204 pixel
j'ai donc 204 neurones d'entrées et 10 de sorties plus une couche cachée
de 50 neurones.
J'ai du mal à avoir un résultat correct. Je ne sais vraiment pas combien de neurones mettre en couche cachées ni combien de couches cachées

... tu m'étonnes que tu n'y arrives pas ou que tu aies du mal
Est ce que tu sais comment est composé un réseau de neurones?
Dans la configuration que tu présentes, tu as 204x50+50x10 = 10 700 poids à ajuster. Donc j'espère que tu as au moins 30 000 images test, sinon cela veut dire que tu es dans le cas d'un apprentissage par coeur
D'ailleurs, comme est ce que tu valides tes résultats?

En général, donner tous les pixels d'une image à un réseau de neurones est la pire solution. Il faut au minimum réduire l'information en réduisant la dimension de l'image.