在实践中,通常认为深度学习就是深层神经网络,因此,深度学习之“深”表明的是神经网络的层数,也就是该模型由连续的多少层(Layer)构成,而每一层都对模型做出了贡献。
为便于说明,我们看一个案例,如下图所示[1](图片来源,参考文献[1],figure 1.5)。该网络是一个4层神经网络,目的是识别图片中的数字。
进一步,我们可以观察一下每一层网络的输出,当前层网络的输出又构成下一层网络的输入,如下图所示(图片来源,参考文献[1],figure 1.6)。不难看出,从第一层到第四层,每层的输出与原始图片差异越来越大,但包含的信息却越来越丰富,越来越逼近“真相”。
事实上,我们可以认为深层神经网络就是执行多层信息提取的操作,每一层可以看作一套滤波器,输入数据经过连续的多个滤波器被不断过滤、“净化”,最终得到真相。
参考文献:
[1] Deep Learning with Python, FrancoisChollet, Manning Publications Co. 2018
文 | Lauren 图 | Lauren
Copyright @ Lauren的FPGA
转载事宜请私信 | 获得授权后方可转载