Tensorflow 简明教程
TensorFlow - CNN And RNN Difference
在此章节中,我们将专注于 CNN 和 RNN 之间的差异 −
CNN |
RNN |
适用于图片等空间数据。 |
RNN 适用于时间数据,也称为顺序数据。 |
CNN 被认为比 RNN 强大。 |
与 CNN 相比,RNN 具有更少的特征兼容性。 |
此网络采用固定大小输入并生成固定大小输出。 |
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,其变体为多层感知器,旨在使用最少的预处理量。 |
与前馈神经网络不同,RNN 可以使用其内部内存来处理任意输入序列。 |
CNN 使用神经元之间的连接模式。这是受动物视觉皮层的组织方式的启发,其单个神经元以这样的方式排列,以对平铺视觉领域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会影响他/她接下来会所说的内容。 |
CNN 非常适合图像和视频处理。 |
RNN 非常适合文本和语音分析。 |
以下插图显示了 CNN 和 RNN 的示意图 -