MYDNN

• 什么是深度神经网络？

1. 深度神经网络（Deep Neural Networks，简称DNN）是深度学习的基础，其结构为input、hidden（可有多层）、output，每层均为全连接。
2. 选择和建立神经网络的过程也就是建立模型。

• 如何建立自己的DNN？

  想想看，神经网络中只有全连接层，这其实是最为简单的一种网络结构了，我们只需在我们设计的每个全连接层之后加上一个激活函数（relu）添加非线性就行，那么全连接的参数怎么设置呢？

• in_features – 每个输入样本的大小

• out_features – 每个输出样本的大小

  样本的大小可以简单的理解为特征点的数量，如果一个输入图片大小为120x120,且是彩色图片，也就是说有三个通道，那么第一个全连接层的in_features就是3x120x120，每个全连接层的out_features可以自己设置，只需记住下一个全连接层的输入样本大小等于上一个样本的输出样本大小。还有最后一个全连接层的out_features等于我想要分类的数量。比如如果我训练集标签的数据分三类：汽车，摩托，货车。那么我最后一个全连接层的out_features就得是三。废话不多说，直接上图！

相信参考上文和图片，大家应该都可以建立自己的DNN！一般在一些成型的神经网络中，全连接层不会太多，计算量太大了，大家可以自己增加或减少全连接层看看训练效果。

当然别忘记把后面的函数名改一下。