TensorFlow CNN和RNN区别
在本章中，将重点介绍CNN和RNN之间的区别，它们的区别如下表中所示 -
| CNN | RNN |
|---|---|
| 它适用于图像等空间数据。 | RNN适用于时间数据，也称为顺序数据。 |
| CNN比RNN更强大。 | 与CNN相比，RNN包含更少的功能兼容性。 |
| CNN采用固定大小的输入并生成固定大小的输出。 | RNN可以处理任意长度大小输入/输出。 |
| CNN是一种前馈人工神经网络，具有多层感知器的变化，旨在使用最少量的预处理。 | 与前馈神经网络不同，RNN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以这样的方式排列，即它们响应于平铺视野的重叠区域。 | 循环神经网络使用时间序列信息 - 用户最后说话的内容将影响接下来会说什么。 |
| 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 -
