深度学习网络的图形表示？

Question

有人能为我提供深度学习网络的图形表示吗？

像这样是第1层，第2层，第3层等，以及所有层中神经元和层中神经元之间的权重，它们如何连接等等。

我不想要任何大的东西，我只是希望它们能够在矩阵中显示，因为我实际上无法指出如何将整个网络表示为互连矩阵。

即使矩阵是2x2也没关系，我只想要一个例子来构建。

Answer 1

矩阵表示

您不会将神经元建模为矩阵。相反，您只需要将权重图层表示为单个矩阵。

0隐藏图层
在这种情况下，您只需要一个矩阵。这将是大小：

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

矩阵的元素将相应地表示给定图层中的各个权重：

n隐藏图层
每个重量层都有自己的矩阵。矩阵的大小：

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

具有单个隐藏层的网络的图形可视化：

计算

您必须在输入信号和权重矩阵之间逐步执行点积：

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