3.1 神经网络核心组件

第三章 PyTorch神经网络工具箱

3.1 神经网络核心组件

神经网络核心组件包括：
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，这就涉及到优化器
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的关系。它们的关系如图所示：

多个层链接在一起构成一个模型或网络，输入数据通过这个模型转换为预测值，然后损失函数把预测值与真实值进行比较，得到损失值，该损失值用于衡量预测值与目标结果的匹配或相似程度，优化器利用损失值求导更新参数，从而使损失值越来越小。