TensorFlow - CNN 和 RNN 的区别

  • 简述

    在本章中,我们将重点关注 CNN 和 RNN 之间的区别 -
    卷积神经网络 CNN 循环神经网络 RNN
    适用于图像等空间数据。 RNN 适用于时间数据,也称为序列数据。
    CNN 被认为比 RNN 更强大。 与 CNN 相比,RNN 包含较少的特征兼容性。
    该网络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 不同于前馈神经网络 - 可以使用它们的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的启发,其单个神经元的排列方式使它们对平铺视野的重叠区域做出反应。 循环神经网络使用时间序列信息——用户最后说的话会影响他/她接下来要说的话。
    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的示意图