深度神经网络是逐层学习还是一次学习所有层？
Are deep neural networks taught layer by layer or all layers at once?
我正在努力掌握深度神经网络的概念。当解释它们时，他们基本上说网络的每一层代表一个抽象层次，例如，第一层是关于边缘的，下一层是关于形状的，比如轮子，下一层是关于轮子加起来的，像汽车。
这张图片几乎代表了这个概念：
计算每一层的权重时，是一次一层完成还是所有层一起完成。你是先 运行 AI 处理一组标记有不同类型边缘的图像，然后是一组标记有轮子之类的图像，然后是一组标记有汽车的图像，还是让网络计算为了自己？
你没有为深度网络提供每一层的监督，这在构建数据集方面太复杂了。您在这些幻灯片上看到的是对正在发生的事情的解释其自身，而不是我们强制执行的。有layer-by-layer技术（现在不太流行）和everything-jointly（流行知道），但是它们都没有使用额外的监督，你不告诉网络提取边缘，它只是从优化问题和网络结构中产生在实践中。
然而，也有一些深层架构没有这个 属性，比如 https://arxiv.org/abs/1603.09382 或一般 - 递归网络（在这个意义上也是 "deep"）。因此，不要将其视为深度学习的属性，这只是处理特定数据时的常见经验观察，仅此而已。
我正在努力掌握深度神经网络的概念。当解释它们时，他们基本上说网络的每一层代表一个抽象层次，例如，第一层是关于边缘的，下一层是关于形状的，比如轮子，下一层是关于轮子加起来的，像汽车。
这张图片几乎代表了这个概念：
计算每一层的权重时，是一次一层完成还是所有层一起完成。你是先 运行 AI 处理一组标记有不同类型边缘的图像，然后是一组标记有轮子之类的图像，然后是一组标记有汽车的图像，还是让网络计算为了自己？
你没有为深度网络提供每一层的监督，这在构建数据集方面太复杂了。您在这些幻灯片上看到的是对正在发生的事情的解释其自身，而不是我们强制执行的。有layer-by-layer技术（现在不太流行）和everything-jointly（流行知道），但是它们都没有使用额外的监督，你不告诉网络提取边缘，它只是从优化问题和网络结构中产生在实践中。
然而，也有一些深层架构没有这个 属性，比如 https://arxiv.org/abs/1603.09382 或一般 - 递归网络（在这个意义上也是 "deep"）。因此，不要将其视为深度学习的属性，这只是处理特定数据时的常见经验观察，仅此而已。