Tensorflow 简明教程

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。