知识卡片
隐藏层作为特征提取
隐藏层把输入映射成供后续层使用的新表示。例如书中将 784 维手写数字像素向量映射到 100 维,再交给后续层分类;第一层可视为学习到的特征提取器。隐藏层输出维数由神经元数量决定,可以低于、等于或高于输入维数,并非所有全连接层都必然降维。
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
- 神经网络 5.7 小结 · 查看原书依据
第一隐藏层可以看作一个预处理器,或者特征提取器
参考来源
- 位置:《用Python实现深度学习框架》第5章《神经网络》,5.7 小结(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_049.html`)
- 结论依据:原文以 MNIST 隐藏层为例解释特征提取;维数边界由全连接层输入输出形状决定。
- 原始内容:第一隐藏层可以看作一个预处理器,或者特征提取器。