专栏名称: 数据派THU

本订阅号是“THU数据派”的姊妹账号，致力于传播大数据价值、培养数据思维。

一网打尽！5大深度学习模型！RNN、CNN、Transformer、BERT、GPT

数据派THU · 公众号 · 大数据 · 2025-03-10 17:00

正文

本文约3600字，建议阅读5分钟
本文介绍了5大深度学习模型。‍‍‍

深度学习，在人工智能领域不断取得了发展成就。其中，RNN、CNN、Transformer、BERT以及GPT五种深度学习模型，凭借其独特的优势，在计算机视觉、自然语言处理等诸多领域实现了重要突破。

本文将从四大维度——关键技术、数据处理、应用场景以及经典案例，对这五种模型进行简要介绍。首先，在关键技术方面，这五种模型各具特色，它们通过不同的算法和结构来提取数据中的深层信息，实现了高效的特征学习和模式识别。

1、RNN（循环神经网络）

时间：起始于20世纪90年代

关键技术：依托独特的循环结构与记忆单元

处理数据：尤其擅长应对时间序列数据的处理

应用场景：广泛应用于自然语言处理、语音识别、时间序列预测等诸多领域

RNN，作为一种高效的神经网络模型，其核心架构呈现为独特的循环体形式，使之能够有效应对序列数据的处理需求。其最显著的特点在于，RNN在处理当前输入信息的同时，亦能够将之前的信息有效储存于记忆单元之中，进而形成持续性的记忆能力。这种设计赋予了RNN在处理具有时序关系的数据时得天独厚的优势，因此，在自然语言处理、语音识别等任务中，RNN均展现出了卓越的性能与广泛的应用前景。

经典案例：RNN文本分类Python代码示例

import torchimport torch.nn as nnimport torch.optim as optimfrom torchtext.legacy import data, datasetsfrom torchtext.legacy import Field# 定义文本字段和标签字段TEXT = Field(tokenize='spacy', lower=True)LABEL = Field(sequential=False, use_vocab=False)# 定义数据集和迭代器train_data, test_data = datasets.IMDB.splits(TEXT, LABEL)train_iterator, test_iterator = data.BucketIterator.splits(    (train_data, test_data),     batch_size=64,     device=torch.device('cuda' if torch.cuda.is_available() else 'cpu'))# 加载预训练词向量TEXT.build_vocab(train_data, max_size=10000, vectors="glove.6B.100d", unk_init=torch.Tensor.normal_)class RNN(nn.Module):def __init__(self, input_dim, embedding_dim, hidden_dim, output_dim):        super().__init__()        self.embedding = nn.Embedding(input_dim, embedding_dim)        self.rnn = nn.RNN(embedding_dim, hidden_dim)        self.fc = nn.Linear(hidden_dim, output_dim)def forward(self, text):# 将文本转化为词嵌入        embedded = self.embedding(text)# 对词嵌入应用RNN        output, hidden = self.rnn(embedded)# 取RNN的最后一个输出assert torch.equal(output[-1,:,:], hidden.squeeze(0))# 通过全连接层进行分类return self.fc(hidden.squeeze(0))INPUT_DIM = len(TEXT.vocab)EMBEDDING_DIM = 100HIDDEN_DIM = 256OUTPUT_DIM = 1model = RNN(INPUT_DIM, EMBEDDING_DIM, HIDDEN_DIM, OUTPUT_DIM)predictor = model.to(device)optimizer = optim.Adam(predictor.parameters())criterion = nn.BCEWithLogitsLoss()def train(model, iterator, optimizer, criterion):    model.train()    epoch_loss = 0for batch in iterator:        text, labels = batch.text.to(device), batch.label.float().unsqueeze(1).to(device)        optimizer.zero_grad()        predictions = model(text).squeeze(1)        loss = criterion(predictions, labels)        loss.backward()        optimizer.step()        epoch_loss += loss.item()return epoch_loss / len(iterator)N_EPOCHS = 5for epoch in range(N_EPOCHS):    train_loss = train(predictor, train_iterator, optimizer, criterion)    print(f'Epoch: {epoch+1:02}, Train Loss: {train_loss:.3f}')

2、CNN（卷积神经网络）

时间：20世纪90年代末至21世纪初

关键技术：卷积运算与池化操作

处理数据：尤为擅长处理图像数据

应用场景：广泛应用于计算机视觉、图像分类、物体检测等领域

CNN作为一种独特的神经网络模型，其核心结构由多个卷积层与池化层精妙组合而成。卷积层通过精巧的计算方法，能够有效地从图像中提炼出各类局部特征；而池化层则发挥着至关重要的作用，通过降低特征数量，显著提升了计算效率。正是这样的结构特点，使得CNN在处理计算机视觉任务时表现出色，如图像分类、物体检测等任务皆能游刃有余。相较于RNN，CNN在处理图像数据方面更胜一筹，它能够自动学习图像中的局部特征，无需人工设计繁琐的特征提取器，从而实现了更高效、更精准的处理效果。

经典案例：CNN猫狗识别 Python代码示例

Python# 导入所需的库import numpy as npfrom keras.preprocessing.image import ImageDataGeneratorfrom keras.models import Sequentialfrom keras.layers import Conv2D, MaxPooling2Dfrom keras.layers import Activation, Dropout, Flatten, Densefrom keras import backend as K
# 图像的尺寸img_width, img_height = 150, 150
# 设定训练数据和验证数据的路径train_data_dir = 'data/train'validation_data_dir = 'data/validation'nb_train_samples = 2000nb_validation_samples = 800epochs = 50batch_size = 16
if K.image_data_format() == 'channels_first':    input_shape = (3, img_width, img_height)else:    input_shape = (img_width, img_height, 3)




    

# 构建CNN模型model = Sequential()model.add(Conv2D(32, (3, 3), input_shape=input_shape))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3)))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, (3, 3)))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())  # 将3D特征图展平为1D特征向量model.add(Dense(64))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(1))model.add(Activation('sigmoid'))  # 二分类问题使用sigmoid激活函数
# 编译模型model.compile(loss='binary_crossentropy',              optimizer='rmsprop',              metrics=['accuracy'])
# 数据增强，增加模型的泛化能力train_datagen = ImageDataGenerator(    rescale=1. / 255,    shear_range=0.2,    zoom_range=0.2,    horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(    train_data_dir,    target_size=(img_width, img_height),    batch_size=batch_size,    class_mode='binary')
validation_generator = test_datagen.flow_from_directory(    validation_data_dir,    target_size=(img_width, img_height),    batch_size=batch_size,    class_mode='binary')
# 训练模型model.fit_generator(    train_generator,    steps_per_epoch=nb_train_samples // batch_size,    epochs=epochs,    validation_data=validation_generator,    validation_steps=nb_validation_samples // batch_size)
# 评估模型score = model.evaluate_generator(validation_generator, nb_validation_samples // batch_size)print('Test loss:', score[0])print('Test accuracy:', score[1])

3、Transformer

时间：2017年

关键技术：自注意力机制与多头注意力机制的完美融合

处理数据：针对长序列数据展现卓越处理能力

应用场景：广泛应用于自然语言处理、机器翻译、文本生成等诸多领域

Transformer，作为一种基于自注意力机制的神经网络模型，凭借其独特的架构和机制，成为了深度学习领域的璀璨明星。其精妙之处在于由多个编码器和解码器共同构建的基本结构，编码器负责将输入的序列精妙地转换为向量表示，而解码器则负责将这一向量表示巧妙地还原为输出序列。

Transformer的创新之处在于引入了自注意力机制，这一机制赋予了模型捕捉序列中长距离依赖关系的非凡能力。它不再局限于传统的局部信息处理，而是能够洞察全局，把握整体，从而在处理长序列数据时表现出色。

在自然语言处理领域，Transformer以其卓越的性能赢得了广泛的赞誉和应用。无论是机器翻译中的精确翻译，还是文本生成中的流畅表达，Transformer都展现出了令人瞩目的成果。它的出现，无疑为自然语言处理领域的发展注入了新的活力。

经典案例：Transformer进行文本生成的Python代码示例

Python

from transformers import GPT2LMHeadModel, GPT2Tokenizer
# 加载预训练的模型和分词器model_name = "gpt2-medium"tokenizer = GPT2Tokenizer.from_pretrained(model_name)model = GPT2LMHeadModel.from_pretrained(model_name)
# 输入的文本input_text = "The quick brown fox"
# 对输入文本进行编码input_ids = tokenizer.encode(input_text, return_tensors="pt")
# 生成文本generated = model.generate(input_ids, max_length=50, num_return_sequences=1)
# 解码生成的文本output_text = tokenizer.decode(generated[0], skip_special_tokens=True)
print(output_text)

4、BERT（Bidirectional Encoder Representations from Transformers）

时间：2018年

关键技术：双向Transformer编码器与预训练微调技术

处理数据：擅长处理双向上下文信息，为语言理解提供了强大的基础

应用场景：自然语言处理、文本分类、情感分析等

BERT是一种基于Transformer的预训练语言模型，其最大的创新在于引入了双向Transformer编码器。这一设计使得模型能够综合考虑输入序列的前后上下文信息，极大地提升了语言理解的准确性。通过在海量文本数据上进行预训练，BERT成功地捕捉并学习了丰富的语言知识。随后，只需针对特定任务进行微调，如文本分类、情感分析等，便可轻松实现高效的应用。

BERT在自然语言处理领域取得了显著的成就，并广泛应用于各类NLP任务，成为当前自然语言处理领域的翘楚。

经典案例：

基于BERT的文本生成Python代码示例：

Python

import torchfrom transformers import BertTokenizer, BertForMaskedLM
# 初始化BERT模型和分词器tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')model = BertForMaskedLM.from_pretrained('bert-base-uncased')
# 待生成文本的句子sentence = "BERT is a powerful NLP model that can be used for a wide range of tasks, including text generation. It is based on the Transformer architecture and has been pre-trained on a large corpus of text."
# 对句子进行分词和编码input_ids = torch.tensor([tokenizer.encode(sentence, add_special_tokens=True)])
# 选择需要生成文本的位置，此处我们假设需要生成一个词替换句子中的"[MASK]"masked_index = torch.where(input_ids == tokenizer.mask_token_id)[1]
# 使用BERT模型进行预测outputs = model(input_ids)predictions = outputs[0]
# 获取预测结果中概率最高的词predicted_token = tokenizer.convert_ids_to_tokens(torch.argmax(predictions[0, masked_index], dim=-1).tolist())
# 输出预测结果
print(f"Predicted token: {predicted_token}")

5、GPT（Generative Pre-trained Transformer）

时间：2018年

关键技术：单向Transformer编码器与预训练微调技术

处理数据：擅长生成连贯且富有逻辑的文本

应用场景：自然语言处理、文本生成、摘要提取等

GPT，作为一种基于Transformer架构的预训练语言模型，其独特的创新之处在于引入了单向Transformer编码器。这一设计使得模型能够更精准地捕捉输入序列的上下文信息，从而生成更为连贯的文本内容。通过在庞大的文本数据集中进行预训练，GPT积累了丰富而深入的语言知识。之后，在针对特定任务进行微调时，GPT能够展现出强大的适应性和灵活性，如文本生成、摘要提取等。

一网打尽！5大深度学习模型！RNN、CNN、Transformer、BERT、GPT

正文

请到「今天看啥」查看全文