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 -

CNN和RNN

分类导航

关注微信小程序

扫描二维码
程序员编程王