本文重点:
我们要学习神经网络算法了,神经网络可以认为是深度学习的基石,他很强大,它能够解决传统的机器学习算法且不能解决的问题,所以现在大家都认为现在的人工智能进入了深度学习的时代。那么为什么神经网络如此强大呢?
近些年来,深度学习发展迅速,就卷积神经网络而言,从最初的几层,到152层,到上千层,现如今再计算机视觉领域,上千层的神经网络是非常常见的。
神经网络层数越多越强大
神经网络为什么这么有效果,很多人都不能说明其中的原因,它就像一个黑箱子,我们知道神经网络的层数越多,那么它的模型参数就越多,也就是说它的复杂度就越大,那么可以认为它的学习能力就越强,这也是为什么神经网络层数越多越强大的原因。
如何提高复杂度
要想提高神经网路的复杂度,需要从两个方面来进行考虑,方面一就是把模型变深,也就是增加神经网络的层数,另外一方面就是把神经网络变宽。但是从实践的角度来看,变深往往比变宽更有效,这是为什么?
我们可以理解为虽然神经网络变宽了,复杂度上来了,学习能力上来了,但是它的效果并没有比层数多的网络好。