有一种称为Pruning神经网络的技术，仅用于同样的目的。

修剪是在隐藏层的数量上完成的。该过程与决策树的修剪过程非常相似。剪枝过程如下：

• 使用标准训练算法训练大型、密集连接的网络
• 检查训练的网络以评估权重的相对重要性
• 删除最不重要的权重
• 重新训练修剪后的网络
• 重复步骤 2-4 直到满意

但是，有几种优化的神经网络剪枝方法，也是一个非常活跃的研究领域。

您可以将贝叶斯超参数优化视为根据超参数优化损失（或任何东西）的一般方法。但请注意，通常网络越深越好，因此根据层数优化损失并不是一件很有趣的事情。

网格搜索和一些常识（通过查看许多示例了解到）应该是您最好的选择。