此卡片不在当前主题的阅读序列中,可返回主题继续阅读。
知识卡片
网络深度表示函数复合层数
前馈网络可写成多层函数依次复合:前一层的输出成为后一层的输入,链的长度表达模型深度。例如三个函数串成 f(x)=f⁽³⁾(f⁽²⁾(f⁽¹⁾(x))),x 先经第一层 f⁽¹⁾,结果交给第二层 f⁽²⁾,再交给第三层 f⁽³⁾,这条链长为 3。隐层位于输入与输出之间,逐层变换构成中间表示。深度与每层单元数所表达的宽度不同;比较网络层数前须说明输入层、输出层及其他运算是否计入,不能仅凭层多判断能力强。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 0 . 2 深 度 学 习 算 法 实 现 · 查看原书依据
20.2 深度学习算法实现 20.2 深度学习算法实现 20.2.1 深度概念 (1)(2)(3)(3)(2)(1)(1)(2) 前馈神经网络通常可以用许多不同的函数复合在一起来进行表示。
参考来源
- 位置:《智能算法导论》第 191 项《20.2 深度学习算法实现/20.2.1 深度概念》(源文件:`_epub-src/EPUB/xhtml/chapter20_0002.xhtml`)
- 结论依据:正文以三个函数复合解释层、隐层和链长;卡片据此区分深度与宽度,并补明计层口径。
- 原始内容:前馈神经网络通常可以用许多不同的函数复合在一起来进行表示……链的全长被称为模型的深度(depth)……除了输出层和输入层之外的中间层被称为隐层。