【AI】《动手学-深度学习-PyTorch版》笔记（十四）：多层感知机

AI学习目录汇总

1、多层感知机网络结构

1.1 线性模型：softmax回归

在前面介绍过，使用softmax回归来处理分类问题时，每个输出通过都一个仿射函数计算，网络结构如下，输入和输出之间为全链接层：

1.2 多层感知机

多层感知机就是在输入和输出中间再添加一个或多个全链接层，将中间的层称为“隐藏层”，下图为添加了一个全链接层的网络结构：

1.3 隐藏层的作用

现实世界中，大部分问题不是线性问题，线性模型无法预测这些非线性问题，为此科学家们尝试再加入一层网络并配合激活函数来改变网络线性特征，使它可以处理更普遍的问题。

如果没有激活函数，多层仿射函数通过数学变换，可以合并成一层，可以证明只增加网络层，并不能改变线性特征。因此在每个隐藏层的输出加入激活函数，可以防止多层感知机退化成线性模型。