美文网首页
神经网络和深度学习 - Chapter4 深层神经网络

神经网络和深度学习 - Chapter4 深层神经网络

作者: nlpming | 来源:发表于2021-09-16 14:30 被阅读0次

浅层、深层神经网络对比

什么是深层神经网络？.png
  • 深层神经网络符号定义：
  1. L表示神经网络的层数；
  2. n^{[l]}表示第l层神经元个数；
  3. a^{[l]}表示第l层神经元激活值；
  4. g^{[l]}表示第l层神经元激活函数；
  5. W^{[l]}表示第l层神经网络参数；维度为：(n_{l+1}, n_l)
符号定义.png

深度神经网络前向传播

  • Z^{[l]} = W^{[l]}A^{[l-1]} + b^{[l]}；
  • A^{[l]} = g^{[l]}(Z^{[l]})；
深度神经网络前向传播.png

检查神经网络参数的维度

  • 神经网络前向传播过程中，核对每个参数（W^{[l]}, b^{[l]}）的维度；
image.png

为什么深度神经网络比较好用？

  • 一般来说对于深度神经网络，要求网络比较深但是并不要求很宽；从下面的例子可以看出，深度神经网络首先学习到一些局部的边缘信息（边缘检测），然后识别人的鼻子、眼睛等较大范围局部人脸信息，最后识别整个人脸。
image.png

深度神经网络前向&反向传播过程

  • 前向传播过程计算得出的Z^{[l]}, W^{[l]}, b^{[l]}进行缓存；因为反向传播的过程需要用到。
第l层的前向&反向传播.png
深度神经网络前向&反向传播过程.png

  • 第l层的前向传播过程；

    第l层前向传播.png

  • 第l层的反向传播过程；

    第l层反向传播.png

深度神经网络参数 vs 超参数

  • 深度神经网络参数指的是W,b这些参数，超参数的设置可以改变参数的取值，比如：神经网络层数、每层神经元个数等；学习率、迭代次数、激活函数、batch size大小这些也是超参数；
参数 vs 超参数.png

相关文章

网友评论

      本文标题：神经网络和深度学习 - Chapter4 深层神经网络

      本文链接：https://www.haomeiwen.com/subject/zirlgltx.html

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|神经网络和深度学习 - Chapter4 深层神经网络|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！