我们通常说模型是过拟合的，而不是层或神经元。基本上，没有标准的方法来设置卷积层的数量。如果您发现您的模型学习不够好，请增加过滤器的数量。如果它是过拟合，减少过滤器的数量或使用常见的方法，如dropout来克服问题。有解释神经元数量的标准方法是密集层。看看如何设置神经网络中的神经元和层数。

如果通过激活规范化你的意思是批量规范化，有一个答案。批量归一化是一种避免协变量偏移的技术。它不允许改变激活的分布。非常深的网络需要它，它确实有帮助。如果您有一个非常深的网络，请使用它，您会发现它在大多数情况下都非常有用。简单的网络可能无法拥有它们。这些是常见的事实，但您可能无法在密集层中使用它们，例如 AlexNet，并且仍然有一个很好的结果。