文档摘要

3.2 CNN、RNN与Transformer架构演化 本节摘要：CNN、RNN、Transformer 不是货架上的三个并列选项，而是被数据形态接力逼出来的三代答案。图像天然是网格，卷积与权重共享让 CNN 参数骤减并认得随处出现的特征；文本天然是序列，循环结构与隐藏状态给了 RNN 记忆，梯度消失又逼出 LSTM 的门控，循环无法并行最终催生 2017 年的 Transformer 与自注意力。 会员。《3.2 CNN、RNN与Transformer架构演化》收录于灏天文库文集《零基础入门人工智能：概念、方向与应用全解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/510-%E9%9B%B6%E5%9F%BA%E7%A1%80%E5%85%A5%E9%97%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A6%82%E5%BF%B5%E6%96%B9%E5%90%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%85%A8%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流