深度学习基础（4）——CNN，RNN，GAN中常用术语及概念汇总

最新推荐文章于 2025-03-07 21:48:21 发布

白白白白白丶

最新推荐文章于 2025-03-07 21:48:21 发布

阅读量1.5k

点赞数 3

文章标签：深度学习神经网络卷积神经网络循环神经网络生成器

本文链接：https://blog.youkuaiyun.com/yimeixiaobai_/article/details/106312230

版权

概述

常用术语

通用术语

通道（Channel）:通常深度学习模型的输入数据可以有多个通道。比如图像的RGB通道。自然语言数据也可以具有多个通道，例如以不同类型的嵌入的形式。

经验误差（empirical error）：也叫训练误差（training error），模型在训练集上的误差。

泛化误差（generalization error）：模型在新样本集（测试集）上的误差称为“泛化误差”。

欠拟合：在训练集以及测试集上同时具有较高的误差，此时模型的偏差较大；

过拟合：在训练集上具有较低的误差，在测试集上具有较高的误差，此时模型的方差较大，泛化能力较差。

鲁棒性：可以理解为模型抗风险的能力，也就是对异常数据的处理能力，不会因为某几个异常数据对算法产生巨大影响。

前向传播（foward propagation, FP）：作用于每一层的输入，通过逐层计算得到输出结果。

反向传播（backward propagation, BP）：作用于网络的输出，通过计算梯度由深到浅更新网络参数。

超参数: 超参数是在模型开始学

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

白白白白白丶

关注关注

3
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

深度学习架构（CNN、RNN、GAN、Transformers、编码器-解码器架构）的友好介绍。

gongdiwudu的专栏

04-10

4290

本博客旨在对涉及卷积神经网络 （CNN）、递归神经网络 （RNN）、生成对抗网络（GAN）、转换器和编码器-解码器架构的深度学习架构进行友好介绍。让我们开始吧！！

《深入浅出AI》前言知识：深度学习基础总结

专注大数据与人工智能技术分享，欢迎私信加群互相学习！

09-13

2419

本文详细介绍了深度学习的基础知识、主要概念和术语、以及经典的深度学习算法。深度学习是机器学习的一个分支，侧重于构建和训练神经网络以自动提取特征。文章探讨了深度学习的优缺点，比较了机器学习与深度学习的区别，并讨论了如卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GANs）和深度强化学习（RL）等深度学习模型。此外，文中还介绍了如何使用深度学习进行手写数字识别任务，包括数据准备、网络配置、模型训练、评估和预测的步骤，并通过实例展示了整个流程。最后，分享自己精心制作的深度学习思维导图。

参与评论您还未登录，请先登录后发表或查看评论

一文弄懂CNN/RNN/GAN/Transformer等架构

sgzqc的专栏

04-05

3027

本文重点介绍了图像和自然语言处理等场景的神经网络结构，包括CNN、RNN、GAN、Transformers以及encoder-decoder架构等，学会这些网络结构可以大家在处理具体任务时可以有更加针对性的选择。您学废了嘛？

深度学习五大模型：CNN、Transformer、BERT、RNN、GAN详细解析

人心中的成见是一座大山…

03-01

1万+

CNN利用卷积操作实现局部连接和权重共享，能够自动学习数据中的空间特征。：广泛应用于图像处理相关的任务，包括图像分类、目标检测、图像分割等。此外，也常用于处理具有网格状结构的数据，如文档数据。

深度学习体系结构——CNN, RNN, GAN, Transformers, Encoder-Decoder Architectures算法原理与应用

知来者逆的博客

04-14

4003

详细介绍深度学习架构卷积神经网络（CNN）、递归神经网络（RNN）、生成对抗网络（GAN）、变换器和编解码器架构。

一文看懂25个神经网络模型

最新发布

Start_mswin的博客

03-07

941

深度学习领域的三大核心技术——卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN），它们共同构成了AI技术背后的“秘密武器”。通过解释这些网络的工作原理和应用场景，文章旨在帮助读者理解AI如何从模糊照片中精准识别人脸、实现类似人类的流畅对话以及生成逼真的虚拟形象。无论是技术新手还是专业人士，都能通过本文深入了解深度学习的底层逻辑，看透AI的“大脑”，并洞察未来科技的基因。

描述一下对深度学习的理解，包括卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）。

Program Han

02-19

399

可能需要检查是否有遗漏的重要点，比如Transformer对RNN的补充，但用户没问这个，可能暂时不需要涉及。CNN（2012 AlexNet）推动计算机视觉革命 → RNN（2014 Seq2Seq）开启序列建模 → GAN（2014提出）拓展生成式AI → Transformer（2017）逐步取代部分RNN应用。首先，我需要确定用户的需求是什么。他们可能不需要太深入的细节，而是需要清晰的概述，包括每个模型的结构、应用场景以及优缺点。例如，CNN的空间特征，RNN的时间序列处理，GAN的生成能力。

汇总一些计算机研究方向的缩写（CNN、RNN、DNN、GNN、GAN、NLP等等）

白洞，白色的明天在等着我们

10-04

9318

CNN(Convolutional Neural Networks):卷积神经网络 RNN(Recurrent Neural Network):循环神经网络 DNN(Deep Neural Networks):深度神经网络 GNN(Graph Neural Networks):图神经网络 BRNN(Recurrent Neural Network):双向长短时记忆循环神经网络 GAN(Generative Adversarial Networks):生成式对抗网络 NLP(Natural Language

常用神经网络-ANN/CNN/RNN/GAN/Transformer

咸鱼翻书

05-18

3231

深度学习中，五种常用神经网络介绍。

使用tensorflow实现CNN-RNN-GAN代码

08-28

本例使用tensorflow框架实现深度学习模型，包括CNN、RNN、GAN等，有源码和数据

CNN、RNN、GAN

~花花~

02-15

418

CNN、RNN、GAN都是什么？终于有人讲明白了

大数据

07-22

2838

导读：深度学习已经存在了几十年，不同的结构和架构针对不同的用例而进行演变。其中一些是基于我们对大脑的想法，另一些是基于大脑的实际工作。本文将简单介绍几个业界目前使用的先进的架构。作者：谢...

CNN术语：卷积层

qq_29007291的博客

08-06

612

看Alexnet原文的时候，感觉它的描述和给的结构图总是对不上，后来仔细研究发现一些细节它这里面每个卷积层这个词语包括多个操作，有的是卷积+pooling，有的是卷积+pooling+local response normalization padding的方式， ...

CNN前提应该知道的专业术语

qq_38300506的博客

05-10

821

作为一个刚进入人工智能的小白来说，查了很多东西，才知道CNN这家伙干了啥。理解前提：1.卷积1）局部链接对待像图像这样的高维数据，直接让神经元与前一层的所有神经元进行全连接是不现实的，这样做的害处显而易见: 参数过多，根本无法计算. 所以我们让每个神经元只与输入数据的一个局部区域连接，这个局部区域的大小就是局部感受野(receptive field)，尺寸上等同于filter的空间尺寸(比如5*5...

3、CNN、RNN、GAN网络

weixin_44986037的博客

02-27

1809

深度学习

一文了解深度学习模型：CNN、RNN、GAN、transformer

Java_rich的博客

10-17

1万+

深度学习是一种模仿人脑神经网络结构和功能的机器学习方法，通过构建多层神经网络模型，自动从大规模数据中学习复杂的特征表示。其核心原理包括和层次化特征提取：通过多层非线性变换，逐步提取数据的高级语义特征端到端学习：直接学习输入与输出间的映射关系，无需人工干预这种机制使深度学习能有效处理高维、非线性数据，在图像识别、语音识别和自然语言处理等领域展现出卓越性能。

深度学习进阶教程：掌握DBN、CNN、RES、LSTM及前沿AI技术

本系列教程旨在对已经有一定深度学习基础的学员进行进阶培训，将所学知识深入应用到更复杂的模型和算法中。首先，深度置信网络（DBN）是一种基于概率图模型的深度神经网络，它由多层 Restricted Boltzmann Machine...

深度学习基础（4）——CNN，RNN，GAN中常用术语及概念汇总

目录

概述

常用术语

通用术语