深度學習入門教程

1. 引言

在深度學習十分火熱的今天，不時會涌現(xiàn)出各種新型的人工神經(jīng)網(wǎng)絡，想要實時了解這些新型神經(jīng)網(wǎng)絡的架構(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，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 、功能獨特
，當我在畫它們的節(jié)點圖時……其中潛在的關系開始逐漸清晰起來 。

把這些架構(gòu)做成節(jié)點圖
，會存在一個問題 ：它無法展示神經(jīng)網(wǎng)絡架構(gòu)內(nèi)部的工作原理 。舉例來說，變分自編碼機（VAE ：variational autoencoders ）看起來跟自編碼機（AE ：autoencoders）差不多，但它們的訓練過程卻大不相同 。訓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”最相似的訓練樣本上 。

在介紹不同模型的神經(jīng)元和神經(jīng)細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)元標記不同的顏色，可以更好地在各種網(wǎng)絡架構(gòu)之間進行區(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 ，你會看到詳細的講解