深层神经网络是一层一层还是一层一层的教授？

Question

我试图掌握深层神经网络的概念。当他们被解释的时候，他们基本上说网络的每一层都代表一个抽象层次，例如，第一层是关于边缘的，下一层是关于形状的，比如车轮，下一层是关于车轮加起来的，比如汽车。

这个图像很大程度上代表了这个概念：

​

当计算出每个层的权重时，这是在同一时间完成的一个层，还是所有层一起完成的。你首先在一组标记有不同边缘的图像上运行人工智能，然后是一组标记有轮子之类的东西的图像，然后是一组带有汽车标签的图像，还是让网络自己来判断呢？

Answer 1

您不为每个层提供监视的深网，这对于构建数据集来说太复杂了。您在这些幻灯片上看到的是对正在发生的事情的解释，是在它自己的上，而不是我们强制执行的。有层层技术(现在不那么流行)和所有东西--共同(通俗的知道)，但它们都不需要额外的监督，你不能让网络提取边缘，它只是从优化问题和网络结构的实践中显现出来。

但是，也有一些深层次的体系结构没有这种属性，比如https://arxiv.org/abs/1603.09382或一般的递归网(在这个意义上也是“深度”)。因此，不要将此视为深度学习的属性，这只是在处理特定数据时的一种常见的经验观察，仅此而已。