TensorFlow - CNN 和 RNN 区别

在本章中，我们将重点讨论 CNN 和 RNN 之间的区别 -

美国有线电视新闻网	循环神经网络
它适用于图像等空间数据。	RNN 适用于时态数据，也称为顺序数据。
CNN被认为比RNN更强大。	与 CNN 相比，RNN 的功能兼容性较少。
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，旨在使用最少量的预处理。	RNN 与前馈神经网络不同 - 可以使用其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，动物视觉皮层的各个神经元的排列方式使得它们能够对覆盖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 - 用户最后所说的内容将影响他/她接下来所说的内容。
CNN 非常适合图像和视频处理。	RNN 非常适合文本和语音分析。

下图显示了 CNN 和 RNN 的示意图 -