神经网络（NN）复杂度

声明

声明：本系列博客是我在学习人工智能实践：TensorFlow笔记(曹健，北京大学，软件与微电子学院)所做的笔记。所以，其中的绝大部分内容引自这系列视频，博客中的代码也是视频配套所附带的代码，其中部分代码可能会因需要而改动。侵删。在本系列博客中，其中包含视频中的引用，也包括我自己对知识的理解，思考和总结。本系列博客的目的主要有两个，一个是可以作为我自己的学习笔记，时常复习巩固。第二个是可以为想学习TensorFlow 2 相关知识的朋友提供一些参考。

正文

神经网络复杂率

神经网络的复杂度分为空间复杂度和时间复杂度。

• 空间复杂度：
  用神经网络层数和神经网络中待优化参数的个数表示。
  计算神经网络层数时只统计具有运算能力的层，输入层仅把数据传输过来，没有运算，所以在统计神经网络层数时不算输入层。

层数=隐藏层的层数+1个输出层
总参数=总w+总b

• 时间复杂度：
  用神经网络中乘加运算次数表示

感谢观看！

如有错误，欢迎批评指正！