【再识】再来看看--多层MLP结构

MLP(MultiLayer Perceptron)顾名思议就是多层感知机，多层自然是它的特色。

好了，上一节我们为了上手方便，讲了三层MLP，在这基础上，我们这一节再来看看多层MLP长什么样。

一、多层MLP神经网络-模型结构

好了，理解了三层的MLP，就很容易理解多层MLP了，它无非就是三层MLP继续层层套娃。

1.1. 多层MLP神经网络的结构

多层MLP的拓扑结构图如下：

如图所示，多层MLP拥有许多个隐层，它层层前馈，而每层都是按以下公式计算：

这里的指的是该层的输出值，指的是该层的输入值(也就是前层的输出值)，是该层的权重和阈值(每层的W、b都是独立的，这里我们只是为简洁，统一用同一符号表示)，最后，则是该层的激活函数。激活函数与三层MLP一样，隐层一般使用sigmoid或tanh函数，而输出层则根据具体问题而设定，一般设为softmax、identity、sigmoid等等。

1.2. 多层MLP计算举例

不妨设一个100层MLP，隐层都用tanh函数，输出层用identity恒等函数()，则它的输出为：

多层MLP的计算就是如此简单，总的来说就是层层向前运算，当前层的输出，就是下一层的输入。

二、如何理解多层MLP

2.1. 如何理解多层MLP的结构

事实上，对于多层MLP，我们最好用"前馈型模型"的角度来看待它，也就是它是一层一层向前运算的，每层都有自己的运算，计算完后，就把输出丢给下一层。而MLP是较简单的前馈型模型，它每一层的运算都是。

MLP是理解前馈模型的经典模型，通过层层独立的角度，不管多么复杂的前馈模型，都能对它进行解耦，只需要关注每一层的输入、输出就行了。特别是在研究、修改时，这种层独立的视角可以使问题简化许多。

2.2. 如何理解多层MLP的用途

三层MLP能够拟合任意关系，多层MLP当然也能够拟合任意关系，但是，多层MLP比三层更加复杂，模型更加难训练，因此，一般用来拟合关系的时候，用三层MLP就够了。

多层MLP更大的意义是理论研究与指导，由于深度学习很多都是前馈模型，而多层MLP是一种相对简单的前馈模型，所以往往对前馈模型的研究都先在MLP上玩一玩，而对前馈模型的解释，也喜欢把MLP作为例子推出来说一说。

总结

多层MLP就是层层套娃的前馈模型，与三层MLP一样可以用于拟合任意关系，但它更多时候是充当多层前馈模型的经典模型，用于研究、讨论。