深度學(xué)習(xí)入門教程

1. 引言

在深度學(xué)習(xí)十分火熱的今天，不時(shí)會涌現(xiàn)出各種新型的人工神經(jīng)網(wǎng)絡(luò) ，想要實(shí)時(shí)了解這些新型神經(jīng)網(wǎng)絡(luò)的架構(gòu)還真是不容易。光是知道各式各樣的神經(jīng)網(wǎng)絡(luò)模型縮寫（如：DCIGN、BiLSTM、DCGAN……還有哪些？) ，就已經(jīng)讓人招架不住了。

因此，這里整理出一份清單來梳理所有這些架構(gòu)
。其中大部分是人工神經(jīng)網(wǎng)絡(luò)，也有一些完全不同的怪物 。盡管所有這些架構(gòu)都各不相同、功能獨(dú)特，當(dāng)我在畫它們的節(jié)點(diǎn)圖時(shí)……其中潛在的關(guān)系開始逐漸清晰起來。

把這些架構(gòu)做成節(jié)點(diǎn)圖，會存在一個(gè)問題：它無法展示神經(jīng)網(wǎng)絡(luò)架構(gòu)內(nèi)部的工作原理。舉例來說 ，變分自編碼機(jī)（VAE ：variational autoencoders ）看起來跟自編碼機(jī)（AE
：autoencoders）差不多
  ，但它們的訓(xùn)練過程卻大不相同。訓(xùn)練后的模型在使用場景上差別更大：VAE是生成器 ，通過插入噪音數(shù)據(jù)來獲取新樣本；而AE僅僅是把他們所收到的任何信息作為輸入，映射到“記憶中”最相似的訓(xùn)練樣本上 。

在介紹不同模型的神經(jīng)元和神經(jīng)細(xì)胞層之間的連接方式前，我們一步一步來 ，先來了解不同的神經(jīng)元節(jié)點(diǎn)內(nèi)部是如何工作的 。

1.1 神經(jīng)元

對不同類型的神經(jīng)元標(biāo)記不同的顏色，可以更好地在各種網(wǎng)絡(luò)架構(gòu)之間進(jìn)行區(qū)分 
。但是，這些神經(jīng)元的工作方式卻是大同小異 。在下圖的基本神經(jīng)元結(jié)構(gòu)后面 ，你會看到詳細(xì)的講解：

基本的人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元（basic neural network cell）相當(dāng)簡單，這種簡單的類型可以在常規(guī)的前饋人工神經(jīng)網(wǎng)絡(luò)架構(gòu)里面找到。這種神經(jīng)元與其它神經(jīng)元之間的連接具有權(quán)重，也就是說，它可以和前一層神經(jīng)網(wǎng)絡(luò)層中的所有神經(jīng)元有連接 。

每一個(gè)連接都有各自的權(quán)重
，通常情況下是一些隨機(jī)值（關(guān)于如何對人工神經(jīng)網(wǎng)絡(luò)的權(quán)重進(jìn)行初始化是一個(gè)非常重要的話題，這將會直接影響到之后的訓(xùn)練過程 ，以及最終整個(gè)模型的性能）。這個(gè)權(quán)重可以是負(fù)值 ，正值