我正在学习应用于图像分类的自动编码器。但是，我正处于开始阶段（训练自动编码器以进行特征提取）。
我通过改变每一层的神经元数量并添加更多层来测试不同的拓扑。但我没有可靠的方法来做到这一点。因此，我通过在每一层中添加神经元（总是使用 sigmoidal 函数）来改变拓扑结构，有时我会得到更好的结果，而在其他情况下会更糟。我想知道，我该如何做出这个决定？例如，1000 个神经元可以正常工作，1005 个也可以正常工作，1010 和 1015 也是一样。
有没有遵循任何规则、概念、想法或技术来改变拓扑的方法？我在神经网络中使用 k-fold 在简单的 MLP 中做到这一点。然而，对于自动编码器，在尝试不同的拓扑结构时，我将需要大量的处理时间来将其应用到所有架构中。