深度学习模型命名的艺术：如何打造既高大上又易懂的模型名称？

深度学习模型命名的艺术：如何打造既高大上又易懂的模型名称？

引用

CSDN

1.

https://blog.csdn.net/2402_85668383/article/details/144458317

为深度学习模型命名是一门重要的艺术，尤其是在论文和比赛中。一个好的模型名称不仅应该简洁易懂，还应传达模型的核心概念、特点或创新。要满足以下三点原则：

• 简洁明了：名称应尽量简洁，传达模型的主要特性
• 易于记忆：名称不应过于复杂，以便读者容易记住
• 描述性：名称应尽量反映出模型的关键组件和创新点

1 深度学习模型命名的建议和技巧

1.1 反映模型的主要特点或机制

模型名称应该传达它的主要创新点或独特机制。比如，Transformer 模型的名称直接反映了它基于注意力机制的“转换”特性。

举例：

• ResNet：Residual Network，表明该模型通过残差连接解决了深层网络的梯度消失问题。
• DenseNet：Densely Connected Network，反映了模型中特征图之间的密集连接。

1.2 使用简洁的缩写

简短且易记的缩写能帮助传播和接受。缩写通常基于模型名称的核心单词。

举例：

• GAN：Generative Adversarial Network，生成对抗网络。
• BERT：Bidirectional Encoder Representations from Transformers，双向编码器表示。

1.3 包含模型的结构或用途

如果模型具有特定的结构或用于某个任务，可以在名称中体现出来。

举例：

• BiLSTM：Bidirectional Long Short-Term Memory，表示该模型使用了双向的LSTM结构。
• Faster R-CNN：一种用于实时目标检测的快速区域卷积神经网络。

1.4 与社区惯例保持一致

使用符合领域惯例的命名方式，可以提高模型的可接受性和认知度。遵循标准或风格，使名称与已有的知名模型保持一致。

举例：

• VGGNet：使用了研究团队名称“Visual Geometry Group”缩写，沿袭了学术界的命名习惯。

1.5 创意与个性

如果模型具有独特的特性或故事背景，可以在命名中注入一些创意和个性，以增加吸引力。

举例：

• YOLO：You Only Look Once，一个著名的实时目标检测模型。

1.6 避免过于复杂或晦涩

• 名称应尽量避免过长或过于晦涩难懂，这可能会阻碍传播或使用。
• 名称的结构应当简单明了，以便听众或用户能够快速理解模型的核心内容。

2 往期高创新模型命名示例

2.1 Transformer-BiGRUGlobalAttention-CrossAttention

(1) TransBiG-CAGAN (Transformer-BiGRU with Cross-Attention and Global Attention Network)

这个名称反映了你模型中使用的各个主要组件：

• Trans：代表 Transformer。
• BiG：代表 BiGRU。
• CA：代表 Cross Attention。
• GA：代表 Global Attention。
• N：代表 Network。

(2) TBCG-Net (Transformer-BiGRU Cross-Global Attention Network)

这个名称简洁且描述性强：

• TB：代表 Transformer 和 BiGRU。
• C：代表 Cross Attention。
• G：代表 Global Attention。
• Net：代表 Network。

(3) TG-BiGCA (Transformer-Global BiGRU Cross-Attention)

这个名称强调了模型的四个关键组件：

• T：代表 Transformer。
• G：代表 Global Attention。
• BiG：代表 BiGRU。
• CA：代表 Cross Attention。

(4) TransBiGCA-Net (Transformer-BiGRU Cross-Global Attention Network)

这个名称类似于前几个建议，但更完整地描述了模型的所有组件：

• Trans：代表 Transformer。
• BiG：代表 BiGRU。
• CA：代表 Cross Attention。
• Net：代表 Network。

(5) TR-BiGCA (Transformer-BiGRU with Global and Cross Attention)

这个名称简单且描述性强：

• TR：代表 Transformer。
• BiG：代表 BiGRU。
• CA：代表 Cross Attention。
• GA：代表 Global Attention。

(6) BiG-TransCANet (BiGRU-Transformer Cross-Attention Network with Global Attention)

这个名称突出了 BiGRU 和 Transformer 的结合以及使用的注意力机制：

• BiG：代表 BiGRU。
• Trans：代表 Transformer。
• CA：代表 Cross Attention。
• Net：代表 Network。

2.2 TCN-SENet +BiGRU-GlobalAttention

(1) TSBG-Net (TCN-SENet-BiGRU-GlobalAttention Network)

• TS：代表 TCN 和 SENet。
• BG：代表 BiGRU。
• Net：代表 Network。

(2) TSGA-BiGNet (TCN-SENet with Global Attention and BiGRU Network)

• TSGA：代表 TCN, SENet, Global Attention。
• BiG：代表 BiGRU。
• Net：代表 Network。

(3) TSG-BiGAN (TCN-SENet Global BiGRU Attention Network)

• TSG：代表 TCN, SENet, Global。
• BiGA：代表 BiGRU Attention。
• N：代表 Network。

(4) SE-TCBG-Net (SENet-Enhanced TCN-BiGRU Network with Global Attention)

• SE：代表 SENet。
• TCB：代表 TCN 和 BiGRU。
• G：代表 Global Attention。
• Net：代表 Network。

(5) TCSG-BiNet (TCN-SENet-GlobalAttention BiGRU Network)

• TCSG：代表 TCN, SENet, Global Attention。
• Bi：代表 BiGRU。
• Net：代表 Network。

(6) BiGT-SENet (BiGRU with Global Attention and TCN-SENet)

• BiGT：代表 BiGRU with Global Attention and TCN。
• SE：代表 SENet。

2.3 TCN-Transformer-CrossAttention

(1) TCT-CANet (TCN-Transformer Cross-Attention Network)

• TC：代表 TCN。
• T：代表 Transformer。
• CA：代表 Cross Attention。
• Net：代表 Network。

(2) T2C-Net (TCN with Transformer and Cross Attention Network)

• T2：代表 TCN 和 Transformer（两个 T）。
• C：代表 Cross Attention。
• Net：代表 Network。

(3) TCN-TranCA (TCN-Transformer Cross-Attention)

• TCN：代表 Temporal Convolutional Network。
• Tran：代表 Transformer。
• CA：代表 Cross Attention。

(4) TTCAN (TCN-Transformer Cross Attention Network)

• TT：代表 TCN 和 Transformer。
• CA：代表 Cross Attention。
• N：代表 Network。

(5) TransTC-CA (Transformer-TCN with Cross Attention)

• Trans：代表 Transformer。
• TC：代表 TCN。
• CA：代表 Cross Attention。

(6) TCAT-Net (TCN-Transformer Attention Network)

• TCA：代表 TCN, Cross Attention。
• T：代表 Transformer。
• Net：代表 Network。

2.4 Informer + TCN-SENet

(1) InfoTCN-SENet

• Info：代表 Informer。
• TCN：代表 Temporal Convolutional Network。
• SENet：代表 Squeeze-and-Excitation Network。

(2) TCN-InformerSE

• TCN：代表 Temporal Convolutional Network。
• Informer：直接使用 Informer 的名称。
• SE：代表 SENet。

(3) Infor-SE-TCNNet

• Infor：代表 Informer。
• SE：代表 SENet。
• TCNNet：代表 Temporal Convolutional Network。

(4) SE-TCNInformer

• SE：代表 SENet。
• TCNInformer：结合 TCN 和 Informer。

(5) InfTCN-SENet

• Inf：代表 Informer。
• TCN：代表 Temporal Convolutional Network。
• SENet：代表 Squeeze-and-Excitation Network。

(6) Info-SE-TCN

• Info：代表 Informer。
• SE：代表 SENet。
• TCN：代表 Temporal Convolutional Network。

2.5 GADF+ Swin Transformer-CNN-GAM

(1) GADF-SwinCGA

• GADF：代表 Gramian Angular Difference Field。
• Swin：代表 Swin Transformer。
• CGA：代表 CNN 和 Global Attention。

(2) G-SwinTCGNet

• G：代表 GADF。
• Swin：代表 Swin Transformer。
• TCG：代表 T（Transformer）、C（CNN）、G（Global Attention）。
• Net：代表 Network。

(3) Swin-GADF-CANet

• Swin：代表 Swin Transformer。
• GADF：代表 Gramian Angular Difference Field。
• CA：代表 CNN 和 Attention。
• Net：代表 Network。

(4) GADF-STCNet

• GADF：代表 Gramian Angular Difference Field。
• ST：代表 Swin Transformer。
• CNet：代表 CNN 和全局注意力网络。

(5) SwinCG-GADFNet

• SwinCG：代表 Swin Transformer 和 CNN with Global Attention。
• GADFNet：结合 GADF 的网络。

(6) GASF-SwinTGAM

• GADF：代表 Gramian Angular Difference Field。
• SwinT：代表 Swin Transformer。
• GAM：代表 Global Attention Mechanism。

3 总结

深度学习模型的命名是一门艺术，既要简洁明了，又要能够准确反映模型的核心特征或创新。一个好的模型名称不仅有助于学术传播和行业应用，还能使模型在众多研究成果中脱颖而出。