编码器 / 解码器架构
前 3 部分介绍的 FFNN、CNN 和 RNN 都只是分别使用密集编码器、卷积编码器或递归编码器进行预测的网络。这些编码器可以组合或切换，具体取决于我们尝试生成有用表征的原始数据类型。“编码器 — 解码器” 架构是一种更高层次的概念，此架构基于编码步骤而构建，通过对压缩表征进行上采样的步骤来生成高维输出，而不是进行预测。
请注意，编码器与解码器彼此之间可能大不相同。例如，图像描述生成 (image captioning) 网络可能采用卷积编码器（用于图像输入）和递归解码器（用于自然语言输出）。其应用包括语义分割、机器翻译等。请参阅 MIT 驾驶场景分割教程，其中展示了用于处理无人车辆感知问题的最先进分割网络：
项目 GitHub 地址