深度學習網絡的圖形表示？

Question

有人可以為我提供深度學習網絡的圖形表示嗎？

像第1層，第2層，第3層等，以及所有層的神經元和層中的神經元之間的權重，它們如何連接等等。

我不想要任何大的東西，我只希望它們在矩陣中顯示，因為我實際上不能將手指放在如何將整個網絡表示為互連的矩陣上。

即使矩陣是2x2，也很好，我只想舉個例子。

Answer 1

矩陣表示

您不會將神經元建模為矩陣。 相反，您只需要將權重圖層表示為單獨的矩陣即可。

0個隱藏層
在這種情況下，您只需要一個矩陣。 大小如下：

n x m //    n: inputs,   m: outputs

矩陣的元素將相應地代表給定層中的各個權重：

n個隱藏層
每個權重層都有自己的矩陣。 矩陣的大小為：

n x m //    n: inputs to this layer,   m: outputs from this layer

具有單個隱藏層的網絡的圖形可視化：

計算

您將必須在輸入信號和權重矩陣之間逐步執行點積：

input_vector: 1 x n matrix,    n: number of inputs
weight_layer: n x m matrix,    n: number of inputs to this layer     m: number of outputs from this layer

input_vector.dot( weight_layer ) # forward calculation