在本章中，我们将重点关注CNN和RNN之间的区别 :
| CNN | RNN |
|---|---|
| 它适用于空间数据，如图像. | RNN适用于时态数据，也称为顺序数据. |
| CNN被认为比RNN更强大. | RNN包括更少的功能与CNN相比时的兼容性. |
| 此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元具有多层感知器变化的网络，旨在使用最少量的预处理. | RNN与前馈神经网络不同 - 可以使用其内部存储器来处理ar输入的比特序列. |
| 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，其个体神经元的排列方式使它们能够响应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会影响他/她接下来会说什么. |
| CNN是图像和视频的理想选择处理. | RNN是文本和语音分析的理想选择. |
关注插图显示了CNN和RNN的原理图表示 :
