图解
三层神经网络示例：输入、隐藏层与输出层
图解型图版适合快速复盘，因为它把正文里分散的建模机制压成结构，方便你随手抓回主线。
原始图版
图版说明
三层神经网络示例：输入、隐藏层与输出层对应的是《第1章 神经网络如何工作》里的高密度机制位。它不是为了增加视觉热闹，而是把作者在这一章最关键的建模结构、训练逻辑或实验洞见压缩到一张图里，方便你在真实场景里快速调用。
读图拆解
- 先判断这张图在回答什么建模问题，而不是先盯着视觉细节。
- 再看它把复杂机制拆成了哪些线索、顺序、层次或数据关系。
- 最后把其中一项直接改写成你今天会用的实验提醒，而不是停留在认同。
怎么用
- 把图中的要点转成自己的建模清单、代码注释卡、实验提示卡或复盘表。
- 在公式开始发散、代码开始打结或实验结果开始混乱时，回到这张图而不是继续硬顶。
- 如果需要和别人解释你的网络逻辑，这类图版很适合当沟通支架。
提醒
- 不要把图版当作万能答案，它更像结构化提示而不是自动驾驶。
- 同一图版在不同数据规模、实验目标和资源约束下，使用方式需要调整。
关联章节
第1章 神经网络如何工作
第 1 章是全书最关键的机制层，先从最简单的线性映射入手，再一步步升级到分类器、多层网络、矩阵计算和反向传播。