【动手学深度学习】Part2

前馈网络 前馈网络直接向前递送信息(不会再次接触已经经过的节点)。 前馈网络根据标记的图像进行训练,直到猜测图像类别时产生的错误最小化。 通过一组经过训练的参数(或者称为权重,统称为模型) ,网络就可以对它从未见过的数据进行分类了。 一个训练好的前馈网络可以应用在任何随机的照片数据集中,它识别的第一张照片,并不会影响它对第二张照片的预测。 也就是说,前馈网络没有时间顺序的概念,它考虑的唯一输入就是它所接触到的当前的输入样例。 循环网络 与前馈网络相比,循环网络的输入不仅包括当前的输入样例,还包括之前的输入信息。 参考:循环神经网络(RNN)和LSTM初学者指南 | 入门资料 作者:Milko