AI_Tutorials/Documentation/Deep_Learning/Tutorials/Neural_Network_Structure

神经网络结构详解 🧠

神经网络由**层（Layer）**组成，常见结构如下：

1. 输入层

   • 负责接收原始数据（如图像像素、文本向量）
   • 例如：MNIST手写体识别中输入层为784个神经元
   

2. 隐藏层

   • 神经网络的核心计算单元
   • 可包含多个隐藏层（如CNN的卷积层+池化层）
   • 常见激活函数：ReLU（⚡️）、Sigmoid（📈）、Tanh（📉）
   

3. 输出层

   • 根据任务类型选择激活函数：
     • 分类任务：Softmax（🌼）
     • 回归任务：线性激活（📏）
   • 示例：图像分类输出层为10个神经元（对应10个类别）
   

扩展学习 📚

• 深度学习基础概念
• 神经网络训练流程
• 经典网络结构对比

📌 提示：理解神经网络结构是构建深度学习模型的第一步，建议结合可视化工具（如TensorBoard）观察网络层次关系