- 入门教程
- ANN教程
- CNN教程
- RNN教程
《TensorFlow入门教程》 关注我们
RNN Vs CNN
| cnn | rnn |
|---|---|
| cnn 代表卷积神经网络。 | rnn 代表经常性神经网络。 |
| CNN被认为比RNN更有效。 | RNN包括较少的特征兼容性。 |
| 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。 |
| 适用于类似图像的空间数据。 | RNN用于时间数据，也称为顺序数据。 |
| 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在神经元之间使用连接模式。 CNN受动物视觉皮层的组织的影响，该动物的单个神经元的排列方式使其可以对视野中的重叠区域做出反应。 | 递归神经网络使用时间序列信息-用户最后说的话会影响他接下来要说的话。 |
下图显示了 CNN 和 RNN 的示意图
祝学习愉快！(内容编辑有误？请选中要编辑内容 -> 右键 -> 修改 -> 提交！)
好记忆不如烂笔头。留下您的足迹吧 :)