深度学习的技术演进经历了从卷积神经网络（CNN）到循环神经网络（RNN）再到 Transformer 的重要发展。这三个架构分别擅长处理图像、序列数据和多种任务的特征，标志着深度学习在不同领域取得的进步。
1. 卷积神经网络（CNN）
基本原理
CNN 最早用于图像处理任务，利用卷积操作和池化层来提取图像的空间特征。CNN 中的核心是卷积核（或过滤器），它会在输入图像上滑动，以获得局部特征，再经过多个卷积层和池化层逐步抽取高层次的特征。CNN 利用权值共享和局部感知，适合处理固定大小的输入和空间不变性的任务。
Python 示例代码
以下代码使用 PyTorch 构建一个简单的 CNN 来处理手写数字数据集（MNIST）：
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms# CNN 模型定义
class SimpleCNN(nn.Module):def __init__(self):super(SimpleCNN, self).__init__()self.conv1 = nn.Conv2d(1, 32, kernel_size=3, padding=1)self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)self.fc1 = nn.Linear(64 * 7 * 7, 128)self.fc2 = nn.Linear(128, 10)self.pool = nn.MaxPool2d(2, 2)def forward(self, x):x = self.pool(F.relu(self.conv1(x)))x = self.pool(F.relu(self.conv2(x)))x = x.view(-1, 64 * 7 * 7)x = F.relu(self.fc1(x))x = self.fc2(x)return x# 加载 MNIST 数据集
transform = transforms.Compose([transforms.ToTensor()])
train_data = datasets.MNIST(root='mnist', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_data, batch_size=64, shuffle=True)# 初始化模型和优化器
model = SimpleCNN()
optimizer = optim.Adam(model.parameters(), lr=0.001)
criterion = nn.CrossEntropyLoss()# 训练模型
for epoch in range(1, 6):for data, target in train_loader:optimizer.zero_grad()output = model(data)loss = criterion(output, target)loss.backward()optimizer.step()print(f'Epoch {epoch}, Loss: {loss.item()}')
2. 循环神经网络（RNN）
基本原理
RNN 是为序列数据设计的网络，通过引入“循环”连接，RNN 能够在处理当前输入时记住之前的输入信息，适合处理序列数据如文本、时间序列数据等。但由于 RNN 存在梯度消失问题，无法有效捕获长距离的依赖关系。改进版如 LSTM 和 GRU 通过引入门控机制缓解了这些问题。
Python 示例代码
以下代码实现了一个简单的 RNN 进行字符级文本生成：
import torch
import torch.nn as nn
import torch.optim as optim# RNN 模型定义
class SimpleRNN(nn.Module):def __init__(self, input_size, hidden_size, output_size):super(SimpleRNN, self).__init__()self.hidden_size = hidden_sizeself.rnn = nn.RNN(input_size, hidden_size, batch_first=True)self.fc = nn.Linear(hidden_size, output_size)def forward(self, x, hidden):out, hidden = self.rnn(x, hidden)out = self.fc(out[:, -1, :])return out, hiddendef init_hidden(self):return torch.zeros(1, 1, self.hidden_size)# 准备数据
input_size = 10
hidden_size = 50
output_size = 10
model = SimpleRNN(input_size, hidden_size, output_size)
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.01)# 训练 RNN 模型（伪数据）
data = torch.rand(1, 5, input_size)
target = torch.randint(0, output_size, (1,))for epoch in range(1, 6):hidden = model.init_hidden()optimizer.zero_grad()output, hidden = model(data, hidden)loss = criterion(output, target)loss.backward()optimizer.step()print(f'Epoch {epoch}, Loss: {loss.item()}')
3. Transformer
基本原理
Transformer 摒弃了 RNN 的循环结构，完全基于自注意力机制，直接让每个输入词能够“关注”其他词的位置。这种并行化处理提高了效率，能够捕获序列中的长程依赖。Transformer 模型的核心组件包括自注意力、多头注意力、前馈神经网络、编码器和解码器模块。典型的 Transformer 应用是自然语言处理中的机器翻译和文本生成。
Python 示例代码
以下是 PyTorch 中一个简单的 Transformer 模型定义，用于序列到序列任务：
import torch
import torch.nn as nn
import torch.optim as optim# Transformer 模型定义
class SimpleTransformer(nn.Module):def __init__(self, input_dim, output_dim, hidden_dim, n_heads, num_layers):super(SimpleTransformer, self).__init__()self.embedding = nn.Embedding(input_dim, hidden_dim)self.transformer = nn.Transformer(d_model=hidden_dim, nhead=n_heads, num_encoder_layers=num_layers)self.fc = nn.Linear(hidden_dim, output_dim)def forward(self, src, tgt):src_emb = self.embedding(src)tgt_emb = self.embedding(tgt)transformer_output = self.transformer(src_emb, tgt_emb)return self.fc(transformer_output)# 初始化模型
input_dim = 10
output_dim = 10
hidden_dim = 16
n_heads = 2
num_layers = 2
model = SimpleTransformer(input_dim, output_dim, hidden_dim, n_heads, num_layers)# 模拟输入输出序列
src = torch.randint(0, input_dim, (5, 1))
tgt = torch.randint(0, output_dim, (5, 1))# 模型输出
output = model(src, tgt)
print(output.shape) # 输出形状为 (序列长度, 批次大小, 输出维度)
三者之间的关系
- 应用场景：CNN主要用于图像处理领域，RNN则擅长处理序列数据（如文本、语音等），而Transformer则进一步提升了处理序列数据的能力，尤其在自然语言处理领域表现出色。
- 技术演进：CNN和RNN是深度学习领域的早期代表性模型，为后来的技术发展奠定了基础。Transformer则是在RNN的基础上，通过引入自注意力机制和多头注意力机制，实现了计算效率的显著提升和模型性能的突破。
- 模型结构：CNN通过卷积层和池化层提取特征，RNN通过循环连接保留序列信息，而Transformer则通过编码器-解码器架构和自注意力机制捕捉全局依赖关系。
综上所述，从CNN到RNN再到Transformer的技术演进，代表了深度学习在处理不同类型数据方面的不断进步和创新。这些模型在各自的应用领域都取得了显著的成果，并推动了人工智能技术的快速发展。
总结
- CNN：善于处理图像和其他固定维度数据，利用卷积提取特征。
- RNN：擅长处理序列数据，但在长距离依赖关系上存在局限。
- Transformer：通过自注意力机制解决了 RNN 的瓶颈，在 NLP 和多模态任务中取得了极大成功。
