TensorFlow - CNN 和 RNN 的区别

• 

  简述

  在本章中，我们将重点关注 CNN 和 RNN 之间的区别 -

  卷积神经网络 CNN	循环神经网络 RNN
  适用于图像等空间数据。	RNN 适用于时间数据，也称为序列数据。
  CNN 被认为比 RNN 更强大。	与 CNN 相比，RNN 包含较少的特征兼容性。
  该网络采用固定大小的输入并生成固定大小的输出。	RNN 可以处理任意输入/输出长度。
  CNN 是一种前馈人工神经网络，具有多层感知器的变体，旨在使用最少的预处理。	RNN 不同于前馈神经网络 - 可以使用它们的内部存储器来处理任意输入序列。
  CNN 使用神经元之间的连接模式。这是受到动物视觉皮层组织的启发，其单个神经元的排列方式使它们对平铺视野的重叠区域做出反应。	循环神经网络使用时间序列信息——用户最后说的话会影响他/她接下来要说的话。
  CNN 是图像和视频处理的理想选择。	RNN 是文本和语音分析的理想选择。

  下图显示了 CNN 和 RNN 的示意图 -