TensorFlow - CNN 与 RNN 的区别

在本章中，我们将重点关注 CNN 与 RNN 之间 - 的区别

CNN	RNN
它适用于图像等空间数据。	RNN 适用于时间数据，也称为序列化数据。
CNN 被认为比 RNN 更强大。	与 CNN 相比，RNN 的功能兼容性较低。
此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 是带有变体多层感知器的前馈式人工神经网络，旨在尽量减少预处理工作量。	RNN 不同于前馈神经网络 - 可以使用其内部存储器处理任意序列的输入。
CNN 使用神经元之间的连接模式。这源自动物视觉皮层的组织，其单个神经元按一定方式排列，以便对覆盖视觉区域的重叠区域作出响应。	循环神经网络使用时间序列信息 - 用户上次所说的内容将影响他/她接下来所说的内容。
CNN 是图片和视频处理的理想选择。	RNN 是文本和语音分析的理想选择。

以下图例显示了 CNN 与 RNN 的示意图 -

打印页面