如题，有没有好的办法可以计算出一个任务需要多少隐藏层，以及每个隐藏层需要多少神经元
无免费午餐定理告诉我们，没有任何一个算法可以在任何任务上都取得较好的效果。因此一个算法的好坏一定是针对于某个特定任务的。
目前似乎没有一个通法告诉我们对于不同任务、不同模型架构而言该如何调超参。
但是对于给定任务而言，模型结构、参数量与模型性能之间的关系是可以分析的。
例如，在语言建模任务中，对于transformer架构的模型而言，就有大名鼎鼎的ScalingLaw。
所以，如果能将某任务转换成语言建模任务，那么ScalingLaw对你是有效的。