内容简介：今天带来一份由 Santiago Pascual de la Puente 整理和总结的一份 72 页 PPT。这份 PPT 总结了如今主要的神经网络架构及其组成，含 PyTorch 实现代码片段！在线地址：
今天带来一份由 Santiago Pascual de la Puente 整理和总结的一份 72 页 PPT。这份 PPT 总结了如今主要的神经网络架构及其组成，含 PyTorch 实现代码片段！
在线地址：
https://docs.google.com/presentation/d/1MFhet5q-SIPqc_54CXWiBvlT9OdSi6P8kpkm6IxuyEM/edit#slide=id.g5540a1077d_0_55
这份 PPT 的主要揭示了神经网络不同复杂结构对不同任务的适用性。并且把这些的理论映射到具体的 PyTorch 代码上。主要包括三个部分：
- Basic Architectures
- Fully Connected Layers
-
Recurrent Layers
-
Convolutional Layers
-
Advanced Architectures
- Hybrid CNN/RNN = QRNN
-
Auto-Encoders
-
Deep Classifiers/Deep Regressors
-
Residual Connections/Skip Connections, U-Net and SEGAN
-
GANs (DCGAN)
-
Conclusions
下面分别来看一下。
1. Basic Architectures
第一部分主要介绍神经网络三种最基本的类型：全连接层、循环层、卷积层。
2. Advanced Architectures
第二部分主要介绍的是一些高级神经网络结构，包括：QRNN、自动编码器、深层分类器/深层回归器、U-Net、GANs 等。
3. Conclusions
第三部分是全文的总结。
4. 资源获取
这份 72 页的 神经网络架构综述 PPT 也包含了 PDF。如果你需要的话，红色石头已经为你打包好了，包含 PPT 和 PDF 两个版本。获取方式如下：
1.扫描下方二维码关注 “AI有道” 公众号
2.公众号后台回复关键词：DA
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
