TensorFlow - CNN 與 RNN 的區別

在本章中，我們將重點關注 CNN 與 RNN 之間 - 的區別

CNN	RNN
它適用於影像等空間資料。	RNN 適用於時間資料，也稱為序列化資料。
CNN 被認為比 RNN 更強大。	與 CNN 相比，RNN 的功能相容性較低。
此網路採用固定大小的輸入並生成固定大小的輸出。	RNN 可以處理任意輸入/輸出長度。
CNN 是帶有變體多層感知器的前饋式人工神經網路，旨在儘量減少預處理工作量。	RNN 不同於前饋神經網路 - 可以使用其內部儲存器處理任意序列的輸入。
CNN 使用神經元之間的連線模式。這源自動物視覺皮層的組織，其單個神經元按一定方式排列，以便對覆蓋視覺區域的重疊區域作出響應。	迴圈神經網路使用時間序列資訊 - 使用者上次所說的內容將影響他/她接下來所說的內容。
CNN 是圖片和影片處理的理想選擇。	RNN 是文字和語音分析的理想選擇。

以下圖例顯示了 CNN 與 RNN 的示意圖 -

列印頁面