神经网络的种类
目前已有的五大特征提取器: MLP、CNN、RNN、Transformer、GNN、GAN
1. MLP¶
MLP:Multi Layer Perseption:多层感知器。主要用在神经网络中。
参考:
1.1 Standard¶
2. CNN¶
CNN:Convolutional Neural Network:卷积神经网络。主要用在CV(计算机视觉)中。
参考:CNN经典网络模型。
2.1 Standard¶
2.2 U-Net¶
U-Net主要用在Semantic Segmentation(语义分割)上。
参考:图像分割经典算法简介
2.3 SORT¶
SORT:Simple Online and Realtime Tracking:简单的在线和实时跟踪。主要用在多目标跟踪任务。
3. RNN¶
RNN:Recurrent Neural Network:递归神经网络。主要用在NLP(自然语言处理)中。
3.1 Standard¶
3.2 LSTM¶
LSTM:Long Short-term Memory Networks:长短期记忆网络
4. Transformer¶
主要用在NLP中,现在在CV领域,也在快速发展,目前最火的肯定是GPT,主要用来做内容生成。
4.1 Standard¶
4.2 BERT¶
作为NLP多个任务的Pre-training Model,相当于CNN之于CV。不过由于其只使用了Transformer中编码器模块,所以对机器翻译任务不那么胜任。
4.3 GPT¶
GPT:Generative Pre-trained Transformer:生成式预训练Transformer。主要用在文本生成,图像生成,机器聊天,机器问答等领域。
4.4 ViT¶
ViT:Vision Transformer:视觉Transformer。将Transformer模型用在视觉任务上。
5. Others¶
5.1 GNN¶
GNN:Graph Neural Networks:图神经网络。通过将输入数据构建成图的形式,来发现数据之间的关系。主要用在抗菌发现、物理模拟、假新闻检测、交通预测和推荐系统等方面。由于图这种数据类型相比于图像、语言更加复杂,因此目前在CV和NLP领域用的还不是很多,但最近几年有不断热门的趋势。
参考:A Gentle Introduction to Graph Neural Networks
5.2 GAN¶
GAN:Generative Adversarial Nets:生成对抗网络。严格来说,GAN是一个生成对抗Framework,和MOT(多目标跟踪)中SORT框架类似。