深度学习：init_network() 函数详解 - 计算图、权重初始化

init_network() 函数是深度学习框架中的一个重要组成部分，它负责构建神经网络的初始结构并进行必要的初始化。

init_network() 函数的功能：

1. 创建计算图（DAG或有向无环图）： 定义神经网络的层级结构，以及数据在不同层之间的流动方向。
2. 初始化权重和偏置： 为每一层的每个神经元分配权重和偏置，并使用预设方法（如随机初始化、Xavier 初始化等）进行初始化。

malloc() 函数的使用:

在 init_network() 函数中，通常会使用 malloc() 函数为权重和偏置分配内存空间。这是因为权重和偏置的数量取决于网络的结构和大小，需要动态地分配内存。

工作流程：

1. 根据网络配置信息，使用循环或递归的方式创建每一层，并使用 malloc() 函数为该层的权重和偏置分配内存。
2. 根据选择的初始化方法，为每一层的权重和偏置赋予初始值。
3. 将每一层连接到下一层，构建完整的计算图。

总结：

init_network() 函数虽然看起来只是一个函数，但它承担着构建神经网络基础架构的重要任务。它不仅要创建计算图，还要负责初始化网络参数，为后续的训练过程做好准备。