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：
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。
