point-wise MLP和MLP的区别

Point-wise MLP和MLP都是多层感知器神经网络模型，但它们的输入和输出有所不同。

Point-wise MLP主要用于解决回归问题，即输入与输出都是单个点（scalar），例如预测一个房屋的价格。Point-wise MLP的输入层只有一个神经元，输出层也只有一个神经元。每个隐藏层都是全连接层，其中每个神经元都与上一层的每个神经元相连。

而MLP则主要用于解决分类问题，即输入与输出都是向量。MLP的输入层包含多个神经元，每个神经元对应输入向量中的一个特征。输出层有多个神经元，每个神经元对应一个类别，输出值表示该样本属于该类别的概率。与Point-wise MLP类似，每个隐藏层也都是全连接层。

因此，Point-wise MLP和MLP的主要区别在于输入和输出的不同，以及用途的不同。