TensorFlow-CNN 및 RNN 차이

이 장에서 우리는 CNN과 RNN의 차이점에 초점을 맞출 것입니다.

CNN	RNN
이미지와 같은 공간 데이터에 적합합니다.	RNN은 순차 데이터라고도하는 시간 데이터에 적합합니다.
CNN은 RNN보다 더 강력한 것으로 간주됩니다.	RNN은 CNN과 비교할 때 기능 호환성이 적습니다.
이 네트워크는 고정 된 크기의 입력을 받아 고정 된 크기의 출력을 생성합니다.	RNN은 임의의 입력 / 출력 길이를 처리 할 수 ​​있습니다.
CNN은 최소한의 전처리를 사용하도록 설계된 다층 퍼셉트론의 변형이있는 피드 포워드 인공 신경망의 한 유형입니다.	RNN은 피드 포워드 신경망과 달리 내부 메모리를 사용하여 임의의 입력 시퀀스를 처리 할 수 ​​있습니다.
CNN은 뉴런 간의 연결 패턴을 사용합니다. 이것은 동물 시각 피질의 조직에서 영감을 얻었으며, 개별 뉴런은 시야를 타일링하는 중첩 영역에 반응하는 방식으로 배열됩니다.	순환 신경망은 시계열 정보를 사용합니다. 사용자가 마지막으로 말한 내용이 다음에 말할 내용에 영향을 미칩니다.
CNN은 이미지 및 비디오 처리에 이상적입니다.	RNN은 텍스트 및 음성 분석에 이상적입니다.

다음 그림은 CNN 및 RNN의 개략도를 보여줍니다.