网络结构模型---Python

目录

一、CNN基本模块

二、FNN前馈神经网络

三、循环神经网络RNN

四、注意力机制

五、生成对抗网络GAN

六、图神经网络GNN

七、长短期记忆网络 LSTM

---

一、CNN基本模块

        CNN由输入层和输出层以及多个隐藏层组成。

        1.CNN的输入层一般是二维向量，可以有高度，比如，RGB图像

        2. 隐藏层可分为卷积层，池化层、激活层和全连接层。

        3.卷积层是CNN的核心，层的参数由一组可学习的滤波器（filter）或内核（kernels）组成，它们具有小的感受野，延伸到输入容积的整个深度。

        4.池化的功能是不断降低维数，以减少网络中的参数和计算次数。缩短了训练时间并控制过度拟合。

        5. 激活层主要作用是将输出结果做线性映射，激活层由激活函数组成。通过非线性映射，网络将特征映射到高维的非线性区间，增强网络的表达能力。</