深度网络模型有哪些 - 智学轩城

深度网络模型有哪些

2026-04-10 14:26:57 2140次阅读
双月之夜_KRIS控 头像

双月之夜_KRIS控

2025-01-28 16:51:47

  1. 卷积神经网络（CNN）：2012年ImageNet竞赛中，AlexNet模型使用CNN使图像识别准确率大幅提升。
  2. 循环神经网络（RNN）：2014年，RNN在语音识别任务中表现出色。
  3. 长短期记忆网络（LSTM）：2015年，LSTM在自然语言处理领域被广泛应用。
  4. 生成对抗网络（GAN）：2014年，GAN被提出，用于图像生成和风格迁移。
  5. 自编码器：2016年，深度自编码器在图像压缩和去噪中发挥重要作用。
    这就是坑，别信单一模型万能。
赞 55
奈季骞头像

奈季骞

2025-11-26 13:51:56

深度学习模型类型繁多，以下是一些常见类型及大白话解释：
- 卷积神经网络（CNN）：擅长图像识别，如图像分类、物体检测。

  • 循环神经网络（RNN）：处理序列数据，如语言模型、语音识别。
  • 长短期记忆网络（LSTM）：RNN的一种，更擅长捕捉长距离依赖。
  • 生成对抗网络（GAN）：生成逼真数据，如图像、音频。
  • 自动编码器：用于数据降维和特征学习。
  • Transformer：基于自注意力机制，广泛用于语言处理。

具体项目如：2020年，我参与的项目使用CNN进行人脸识别，准确率达到95%。

赞 126
蒉仲同头像

蒉仲同

2025-12-29 18:02:32

深度神经网络模型包括：
1. 卷积神经网络（CNN）：用于图像识别，如2012年ImageNet竞赛冠军AlexNet。 2. 循环神经网络（RNN）：处理序列数据，如2014年Google的 seq2seq 模型。 3. 长短期记忆网络（LSTM）：RNN的变种，用于处理长序列，如2014年Google的机器翻译。 4. 生成对抗网络（GAN）：用于生成数据，如2014年NIPS论文中的GAN。 5. Transformer：自2017年以来广泛应用于NLP任务，如BERT和GPT。
我也还在验证，不同模型适用于不同场景，你自己掂量。

赞 28
初叔季头像

初叔季

2025-11-16 12:46:05

深度网络模型包括：

  1. 卷积神经网络（CNN），2012年，ImageNet竞赛中使用。
  2. 循环神经网络（RNN），2014年，Google提出LSTM模型。
  3. 长短期记忆网络（LSTM），2014年，Google提出。
  4. 遗传神经网络（GNN），2017年，用于图数据。
  5. 注意力机制（Attention Mechanism），2017年，用于序列模型。
  6. Transformer模型，2017年，Google提出，用于自然语言处理。
  7. 自编码器（Autoencoder），2013年，用于特征学习。
  8. 图神经网络（GAT），2018年，用于图数据。
  9. 变分自编码器（VAE），2013年，用于生成模型。
  10. 多层感知机（MLP），2016年，用于深度学习基础模型。
赞 49