在本章中,我們將探討Python深入學習的基本原理。
Deep learning models/algorithms
現在讓我們了解不同的深度學習模型/算法。
深度學習中的一些流行模式如下所示;
- Convolutional neural networks
- Recurrent neural networks
- Deep belief networks
- Generative adversarial networks
- Auto-encoders and so on
輸入和輸出用矢量或張量表示。例如,神經網絡可以具有將圖像中的單個像素RGB值表示爲向量的輸入。
位於輸入層和輸出層之間的神經元層稱爲隱藏層。當神經網絡試圖解決問題時,大部分工作都在這裡進行。仔細觀察隱藏層可以揭示網絡從數據中提取的許多特性。
神經網絡的不同結構是通過選擇哪些神經元連接到下一層的其他神經元而形成的。
Pseudocode for calculating output
下面是計算前向傳播神經網絡輸出的僞代碼;
- # node[] := array of topologically sorted nodes
- # An edge from a to b means a is to the left of b
- # If the Neural Network has R inputs and S outputs,
- # then first R nodes are input nodes and last S nodes are output nodes.
- # incoming[x] := nodes connected to node x
- # weight[x] := weights of incoming edges to x
對於每個神經元x,從左到右&負;