CNN、Transformer

CNN（卷积神经网络）是一种常用于图像处理和计算机视觉任务的深度学习模型。它通过卷积层、池化层和全连接层等组件来提取图像中的特征，并进行分类、检测或分割等任务。CNN的核心思想是通过卷积操作来捕捉图像中的局部特征，并通过池化操作来减小特征图的尺寸，从而实现对图像的高效处理。

Transformer是一种基于自注意力机制的神经网络模型，最初用于自然语言处理任务，如机器翻译和语言模型。与传统的循环神经网络（RNN）相比，Transformer能够并行计算，提高了训练和推理的效率。Transformer的核心是自注意力机制，它能够在输入序列中建立全局的依赖关系，从而更好地捕捉序列中的长距离依赖关系。