DL：神經網絡所有模型(包括DNN、CNN、RNN等)的簡介(概覽)、網絡結構簡介、使用場景對比之詳細攻略

?

?

?

目錄

神經網絡所有模型的簡介及其總結

神經網絡所有模型的簡介(概覽)

神經網絡算法之DNN、CNN、RNN使用場景對比

---

?

?

?

?

神經網絡所有模型的簡介及其總結

? ? ? ?FF【前饋神經網絡】和 RNN【循環神經網絡】是相對的概念。backpropagation是一類訓練方法。

?

?

神經網絡所有模型的簡介(概覽)

DL：深度學習算法(神經網絡模型集合)概覽之《THE NEURAL NETWORK ZOO》的中文解釋和感悟(一)
DL：深度學習算法(神經網絡模型集合)概覽之《THE NEURAL NETWORK ZOO》的中文解釋和感悟(二)
DL：深度學習算法(神經網絡模型集合)概覽之《THE NEURAL NETWORK ZOO》的中文解釋和感悟(三)
DL：深度學習算法(神經網絡模型集合)概覽之《THE NEURAL NETWORK ZOO》的中文解釋和感悟(四)
DL：深度學習算法(神經網絡模型集合)概覽之《THE NEURAL NETWORK ZOO》的中文解釋和感悟(五)
DL：深度學習算法(神經網絡模型集合)概覽之《THE NEURAL NETWORK ZOO》的中文解釋和感悟(六)

?

?

神經網絡算法之DNN、CNN、RNN使用場景對比

1、DNN：基于全連接層【Affine層】的網絡的例子

? ? ? ? ? 全連接的神經網絡中，【Affine層】后跟著【激活函數層,ReLU或Sigmoid】。這里堆疊了4 層【Affine→ReLU】組合，然后第5層是【Affine層】，最后由【Softmax層】輸出最終結果（概率）。

2、CNN：新增了【Convolution層】和【Pooling層】，圖中用灰色的方塊表示

? ? ? ? ? CNN 中新增了【Convolution層】、【Pooling層】。CNN 的層的連接順序是【Convolution→ReLU→(Pooling)】（Pooling 層有時會被省略）。這可以理解為之前的【Affine→ReLU】連接被替換成了【Convolution→ReLU→(Pooling)】連接。還需要注意的是，圖中CNN，靠近輸出的層(倒數第二層)中使用了之前的【Affine→ReLU】組合。此外，最后的輸出層中使用了之前的【Affine→Softmax】組合。這些都是一般的CNN中比較常見的結構。

?

?

?

?

?

?

?

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的DL：深度学习模型概览(包括DNN、CNN、RNN等)的简介、网络结构简介、使用场景对比之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。