梳理神经网络完整架构

今天带来一份由 Santiago Pascual de la Puente 整理和总结的一份 72 页 PPT。这份 PPT 总结了如今主要的神经网络架构及其组成，含 PyTorch 实现代码片段！

image

在线地址：

https://docs.google.com/presentation/d/1MFhet5q-SIPqc_54CXWiBvlT9OdSi6P8kpkm6IxuyEM/edit#slide=id.g5540a1077d_0_55

这份 PPT 的主要揭示了神经网络不同复杂结构对不同任务的适用性。并且把这些的理论映射到具体的 PyTorch 代码上。主要包括三个部分：

• Basic Architectures

• Fully Connected Layers

• Recurrent Layers

• Convolutional Layers

• Advanced Architectures

• Hybrid CNN/RNN = QRNN

• Auto-Encoders

• Deep Classifiers/Deep Regressors

• Residual Connections/Skip Connections, U-Net and SEGAN

• GANs (DCGAN)

• Conclusions

下面分别来看一下。

1. Basic Architectures

第一部分主要介绍神经网络三种最基本的类型：全连接层、循环层、卷积层。

image image image image image image image image image image image image image image image image image image image image image image image image image image image image

2. Advanced Architectures

第二部分主要介绍的是一些高级神经网络结构，包括：QRNN、自动编码器、深层分类器/深层回归器、U-Net、GANs 等。

image image image image image image image image image image image image image image image image image image image image image image image image image image image image image image image image image

3. Conclusions

第三部分是全文的总结。

image