一、神经网络大分类
深度学习的神经网络模型，大致可以分为这几大流派：
深度学习神经网络
│
├── CNN 系（卷积派，擅长看图）
│ ├── AlexNet ------ 开山之作
│ ├── VGG ------ 简单堆叠派
│ ├── GoogLeNet ------ 多分支派
│ ├── ResNet ------ 残差连接派（解决"太深训不动"）
│ └── UNet ------ 编码-解码派（专为分割设计）
│
├── RNN 系（循环派，擅长读文字、看时间序列）
│ ├── LSTM ------ 解决"长文本记不住"
│ └── GRU ------ LSTM 的轻量版
│
├── Transformer 系（注意力派，新一代霸主）
│ ├── BERT / GPT ------ NLP 双子星
│ ├── ViT ------ Transformer 跑去做视觉
│ └── Swin ------ 融合 CNN 思想的 Transformer
│
├── GAN 系（生成派，擅长"造假"）
│ ├── DCGAN / StyleGAN------ 生成图像
│ └── CycleGAN ------ 风格转换
│
└── 检测派（专门"框东西"）
├── YOLO ------ 快准狠
├── Faster R-CNN ------ 精但慢
└── DETR ------ 用 Transformer 做检测八、演进时间线总览
| 年份 | 里程碑 | 流派 | 意义 |
|---|---|---|---|
| 1998 | LeNet | CNN | CNN 起源 |
| 2012 | AlexNet | CNN | 深度学习复兴 |
| 2014 | VGG / GoogLeNet | CNN | 网络加深、加宽 |
| 2014 | GAN | 生成 | 对抗训练思想 |
| 2015 | ResNet | CNN | 残差连接解决深网退化 |
| 2015 | UNet | CNN | 编解码分割专用 |
| 2015 | YOLO | 检测 | 单阶段实时检测 |
| 2017 | Transformer | 注意力 | 抛弃 RNN，开启注意力时代 |
| 2018 | BERT / GPT | Transformer | NLP 预训练范式 |
| 2020 | ViT | Transformer | Transformer 进入视觉 |
| 2020 | DETR | Transformer+检测 | 端到端检测 |
| 2021 | Swin / TransUNet | 融合 | CNN 与 Transformer 融合 |