visionstory
神經網絡的圖還是比較容易看懂的，比電路圖什麼的要好懂多了。只是剛開始接觸有些不習慣罷了，多看一些就好了。
下面舉幾張神經網絡圖作為例子（由簡單到複雜）。
簡單的3層網絡
下圖是一個非常簡單的3層網絡。
首先，我們注意到有一些圓形，它們表示神經元。然後，豎著看，這些神經元組成的“列”稱為網絡層。灰色的神經元構成輸入層和輸出層，中間黑色的神經元構成隱藏層。
然後，神經元之間有一些線互相連接，這些線稱為連接。在上圖中，每層中的每個神經元都和下一層中的每個神經元連接，這稱為全連接層（Full Connected，FC）。準確地說，這些線是一些箭頭，這些箭頭指示前向傳播的方向。
VGG
當然了，實際的神經網絡包含成千上萬的神經元，不可能在神經網絡圖中把這些神經元和連接都畫出來。因此，往往是用方塊表示一個神經網絡層（而不是像上圖一樣把每層中的神經元都畫出來）。
er the entire ImageNet training set).
上圖中，黑色方塊表示使用ReLU激活的卷積層，紅色表示最大池化，藍色表示使用ReLU激活的全連接層，黃色表示softmax層。
Inception和ResNet
有的時候，整個網絡很複雜，或者，有的神經網絡可以作為組件堆疊起來，或者嵌入更大、更復雜的神經網絡，這時候，往往只畫出網絡的一部分。比如，下圖為Google在2014年提出的Inception模塊：
上圖中，每個方塊都表示一個網絡層，比如，紅色是3x3最大池化層，黃色是1x1卷積層，同樣，用箭頭表示連接（只不過不再是神經元中的連接，而是網絡層間的連接）。
下圖為ResNet的網絡結構圖，同樣，只畫出一個組件，方塊表示網絡層，箭頭表示連接。
MSDNet
下圖是MSDNet（多尺度密集網絡）的神經網絡圖。相對而言，這個神經網絡圖比較複雜，不過，一般這種比較複雜的神經網絡圖，都會有相應的圖例和說明。
看這種比較複雜的網絡圖，首先要搞明白圖例，比如，綠色橢圓表示分類器，黃色方塊表示特徵映射，紅線表示卷積，藍線表示步進卷積，淺黃色虛框表示層。
然後，盯住輸入和輸出。上圖輸入（貓圖）傳給第一層（l = 1），輸出為綠色的分類器。從輸入和輸出兩頭分別往中間推，比較容易看清流向，搞明白整個網絡的架構。
（思考題：你有沒有發現上圖中有些地方有點浪費，或者說，這個圖可不可簡化一下？評論告訴我你的想法。）
論智
神經網絡很簡單，只需要瞭解一下y=kx+b在神經網絡圖上是怎麼表達的就行了，如果還想了解怎麼求k、b，那麼就用五個樣本，按照公式帶進去，就知道k、b是怎麼迭代計算出來了。所有知識都是這樣，從最簡單舉例開始。
