Чтобы посчитать количество обучаемых параметров в полносвязной нейронной сети, нужно учитывать количество нейронов в каждом слое и то, как они соединены. Давайте рассмотрим общий подход к расчету.

1. Определите структуру сети:
   • Количество входных нейронов (например, 784 для изображений 28x28).
   • Количество нейронов в каждом скрытом слое.
   • Количество нейронов в выходном слое (например, 10 для классификации цифр от 0 до 9).
2. Посчитайте количество весов:
   • Между входным слоем и первым скрытым слоем: количество весов равно (количество входных нейронов) * (количество нейронов в первом скрытом слое).
   • Между каждым скрытым слоем: количество весов равно (количество нейронов в предыдущем слое) * (количество нейронов в текущем слое).
   • Между последним скрытым слоем и выходным слоем: количество весов равно (количество нейронов в последнем скрытом слое) * (количество нейронов в выходном слое).
3. Добавьте смещения:
   • Каждый нейрон, кроме входного, имеет смещение. Поэтому к общему количеству весов нужно добавить количество нейронов в каждом скрытом слое и в выходном слое.
4. Сложите все параметры:
   • Сложите количество весов и смещений, чтобы получить общее количество обучаемых параметров.

Теперь, чтобы получить конкретные значения, вам нужно подставить числа в эти формулы в зависимости от структуры вашей сети, которую вы видели в скринкасте.

Если у вас есть конкретные данные о количестве нейронов в каждом слое, я могу помочь вам с расчетами!