是否存在通用的神经网络模型,可以处理图像,语音以及NLP？

好文

已推荐头条热点 2022年12月27日 10:37:34 9 2 桔子生活网营销顾问知名网络工程师互联网优化师本文总共715个字，预计阅读时间或需3分钟

热门回答：

对于目前的深度学习模型来说。尽管深度学习的一个目标是设计能够处理各种任务的算法。然而截至目前深度学习的应用仍然需要一定程度的特化。还没有通用的神经网络处理模型。不过各个模型也在互相借鉴。彼此融合。共同提高。象有些创新能同时改进卷积神经网络和循环神经网络。比如批标准化与注意力等。通用的模型还有待未来研究提出。

图像和视频处理。计算机视觉。目前最流行的是cnn。即卷积神经网络。及其变形和发展。cnn适合处理空间数据。在计算机视觉领域应用广泛。象陆续出现的ＡｌｅｘＮｅｔ。ＶＧＧＮｅｔ。ＧｏｏｇＬｅＮｅｔ。ＲｅｓＮｅｔ等都很有特色。以上几种模型是图像分类识别使用的。象图像分割。目标检测等还有更多针对性模型提出和得到广泛应用。

语音处理。2012 年前。最先进的语音识别系统是隐马尔可夫模型(HMM) 和高斯混合模型(GMM) 的结合。目前最流行的是深度学习的RNN循环神经网络。及其发展长短时记忆网络LSTM。以及GRU,双向RNN,分层RNN等。

自然语言处理。除了传统方法。目前深度学习用于自然语言处理的模型经历了基于CNN的模型。基于RNN的模型。基于Attention机制的模型。基于Transformer的模型等几个发展阶段。NLP有很多模型和方法。不同的任务场景有不同的模型和策略来解决某些问题。

其他观点：

这种通用好像没太大实际价值。一个网络处理的数据的范围越大。它的训练过程越是复杂。又要图像又要声音。即使声音可以做成频谱图。和一般图像也有太大差别。硬做当然也行。可以用一个条件网络来做。先用图片声音识别生成条件

其他观点：

是的attention is all you need。只是确保有还可以效果的话attention就够了

您还感兴趣的文章推荐

以上就是由互联网推广工程师桔子生活网整理编辑的，如果觉得有帮助欢迎收藏转发~

本文标题：是否存在通用的神经网络模型,可以处理图像,语音以及NLP？
本文地址：https://www.wangchuang8.com/147883.html，转载请说明来源于：桔子生活网
声明：本站部分文章来自网络，如无特殊说明或标注，均为本站原创发布。如若本站内容侵犯了原著者的合法权益，可联系进行处理。分享目的仅供大家学习与参考,不代表本站立场。