在描述人工神经网络（ANN）的架构时，通常不将输入层计入网络的层数。但在 scikit-learn 的 MLPClassifier 中，其属性 `n_layers_` 的计数方式是怎样的？（）A. 仅计算隐藏层和输出层的数量B. 计算隐藏层数量加1（代表输出层）C. 计算输入层、所有隐藏层和输出层的总数量D. 仅计算隐藏层的数量

本题考查对 scikit - learn 库中 MLPClassifier 类属性 n_layers_ 计数方式的知识。解题思路是明确人工神经网络架构中不同层的概念，然后根据 scikit - learn 中 MLPClassifier 的特性来判断 n_layers_ 的计数方式。

在人工神经网络中，一般有输入层、隐藏层和输出层。输入层负责接收原始数据，隐藏层进行数据的特征提取和转换，输出层给出最终的预测结果。

在 scikit - learn 的 MLPClassifier 里，n_layers_ 属性是用来记录网络的总层数的。它会把输入层、所有的隐藏层以及输出层都计算在内。例如，一个简单的神经网络有 1 个输入层，2 个隐藏层，1 个输出层，那么 n_layers_ 的值就为 1 + 2 + 1 = 4。所以选项 C 是正确的。而选项 A 仅计算隐藏层和输出层的数量，没有包含输入层，不符合 n_layers_ 的计数方式；选项 B 计算隐藏层数量加 1（代表输出层），同样没有包含输入层；选项 D 仅计算隐藏层的数量，既没有包含输入层也没有包含输出层，均不正确。