TensorFlow CNN和RNN區別
在本章中，將重點介紹CNN和RNN之間的區別，它們的區別如下表中所示 -
| CNN | RNN |
|---|---|
| 它適用於影象等空間資料。 | RNN適用於時間資料，也稱為順序資料。 |
| CNN比RNN更強大。 | 與CNN相比，RNN包含更少的功能相容性。 |
| CNN採用固定大小的輸入並生成固定大小的輸出。 | RNN可以處理任意長度大小輸入/輸出。 |
| CNN是一種前饋人工神經網路，具有多層感知器的變化，旨在使用最少量的預處理。 | 與前饋神經網路不同，RNN可以使用其內部儲存器來處理任意輸入序列。 |
| CNN使用神經元之間的連線模式。這受到動物視覺皮層組織的啟發，動物視覺皮層的各個神經元以這樣的方式排列，即它們響應於平鋪視野的重疊區域。 | 迴圈神經網路使用時間序列資訊 - 使用者最後說話的內容將影響接下來會說什麼。 |
| CNN是影象和視訊處理的理想選擇。 | RNN是文字和語音分析的理想選擇。 |
下圖顯示了CNN和RNN的示意圖 -
