machine-learning - 神经网络 : Does the input layer consist of neurons?

Question

我目前正在研究神经网络理论，我发现到处都写到它由以下几层组成:

• 输入层
• 隐藏层
• 输出层

我看到一些图形描述将输入层显示为网络中的真实节点，而其他图形描述则将该层显示为值的向量[x1, x2, ... xn]

正确的结构是什么？

“输入层”是真正的神经元层吗？或者这只是抽象地命名为层，而它实际上只是输入向量？

添加我在网上找到的矛盾且令人困惑的照片:

这里看起来输入层由神经元组成:

这里看起来输入层只是一个输入向量:

Answer 1

Is the "input layer" a real layer of neurons? Or is this just abstractly named as layer, while it really is just the input vector?

是的，两者都是 - 取决于抽象。在纸面上，网络有输入神经元。在实现级别上，您必须组织这些数据(通常使用数组/向量)，这就是您谈到输入向量的原因:

输入向量保存输入神经元值(代表输入层)。

如果您熟悉图论或图像处理的基础知识 - 这是相同的原理。例如，您可以将图像称为矩阵(技术 View )或像素域(更抽象的 View )。