神经网络看起来很复杂,节点很多,层数多,参数更多。但核心部分或
组件不多,把这些组件确定后,这个神经网络基本就确定了。这些核心组件
包括:
1)层:神经网络的基本结构,将输入张量转换为输出张量。
2)模型:层构成的网络。
3)损失函数:参数学习的目标函数,通过最小化损失函数来学习各种
参数。
4)优化器:如何使损失函数最小,这就涉及优化器。
当然这些核心组件不是独立的,它们之间,以及它们与神经网络其他组
件之间有密切关系。为便于读者理解,我们可以把这些关键组件及相互关
系,用图3-1表示。
图3-1 神经网络关键组件及相互关系示意图