神经网络中的 “隐藏层” 理解

一、概念理解

隐藏层的定义：除输入层和输出层以外的其他各层叫做隐藏层。隐藏层不直接接受外界的信号,也不直接向外界发送信号

隐藏层在神经网络中的作用：中间的黑盒子，可以认为是很其他的不同功能层的一个总称

每个图层都可以应用您想要的任何函数到前一层（通常是线性变换，然后是压缩非线性）。

隐藏层的工作是将输入转换为输出层可以使用的东西。

输出层将隐藏层激活转换为您希望输出所在的任何比例。

二、示例理解

1. 单个隐藏层的意义
   隐藏层的意义就是把输入数据的特征，抽象到另一个维度空间，来展现其更抽象化的特征，这些特征能更好的进行线性划分

如：MNIST分类
输出图片经过隐藏层加工, 变成另一种特征代表 (3个神经元输出3个特征), 将这3个特征可视化出来。就有了下面这张图, 我们发现中间的隐藏层对于"1"的图片数据有了清晰的认识，能将"1"的特征区分开来。