72 页 PPT，带你梳理神经网络完整架构（含 PyTorch 实现代码片段）

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