神经网络的框架(如层数,如何连接等)决定了它最后训练出来的模型的样子,按照神经网络的宗旨,它可以拟合任何曲线或者直线,那么这个模型的架构就是这条曲线的基本样子,而其中包含很多未知参数,这些参数有什么联系,为何就是这些值作为参数,而不是其它值作为参数 ,这是由训练集决定的,所以对于一个网络,只要你考虑到了所有的关系,如CNN的卷积、池化、全连接或者RNN的上一层、本层,LSTM的上一层、本层、长期状态层等,对于这些架构只要你搭建好它们的关系,找一个损失函数,就可以通过训练集得到参数,最后得到一个模型
关于神经网络原理的理解
最新推荐文章于 2024-05-11 16:12:48 发布