什么是编码器、解码器？（CNN\RNN....)

以卷积神经网络为例，输入为一个猫，进行特征提取后输出图片类别。因此，这里可以简单的理解为：特征提取过程即为编码器，而分类过程即为解码器。使用编码器-解码器架构模型，编码器负责表示输入，解码器负责输出。以循环神经网络为例，输入为一个文本，进行特征提取后输出。

文章共552字 · 阅读需要大约2分钟

一键AI生成摘要，助你高效阅读

问答

maggieyiyi

13200人浏览 · 2022-09-17 13:13:43

maggieyiyi · 2022-09-17 13:13:43 发布

1、CNN角度

2、RNN角度

3、编码器解码器架构

1、CNN角度

以卷积神经网络为例，输入为一个猫，进行特征提取后输出图片类别。

因此，这里可以简单的理解为：特征提取过程即为编码器，而分类过程即为解码器。

即：

编码器：将输入编程成中间表达式形式（特征）【特征抽取】

解码器：将中间表示解码成输出。【分类器】

2、RNN角度

以循环神经网络为例，输入为一个文本，进行特征提取后输出。

因此，

编码器：将文本表示成向量【特征抽取】

解码器：向量表示成输出【分类器】

3、编码器解码器架构

一个模型被分为两块：

1.编码器处理输出

2.解码器生成输出

使用编码器-解码器架构模型，编码器负责表示输入，解码器负责输出

GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

【目标检测】目标检测的一些常用神经网络模型及方法

我的阶段性总结????文章目录1.概述1.2 目标检测的任务1.3 目标检测的分类2.R-CNN系列2.1 [R-CNN（Region with CNN features）](https://arxiv.org/pdf/1311.2524.pdf)2.2 [Fast R-CNN](https://www.cv-foundation.org/openaccess/content_iccv_2015/