TensorFlow - CNN 和 RNN 的区别

在本章中,我们将重点介绍 CNN 和 RNN 之间的区别 −

CNN RNN
适用于图像等空间数据。 RNN 适用于时间数据,也称为时序数据。
CNN 被认为比 RNN 更强大。 与 CNN 相比,RNN 的功能兼容性较差。
这个网络接受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结构的启发,其单个神经元的排列方式使得它们能够对重叠的区域做出反应,这些区域平铺在视野中。 循环神经网络使用时间序列信息 - 用户最后说的内容会影响他/她接下来说的内容。
CNN 是图像和视频处理的理想选择。 RNN 非常适合文本和语音分析。

下图展示了 CNN 和 RNN 的示意图 −

CNN 和 RNN 的示意图表示