TensorFlow - ความแตกต่างของ CNN และ RNN

ในบทนี้เราจะเน้นที่ความแตกต่างระหว่าง CNN และ RNN -

ซีเอ็นเอ็น	ร.น.
เหมาะสำหรับข้อมูลเชิงพื้นที่เช่นรูปภาพ	RNN เหมาะสำหรับข้อมูลชั่วคราวหรือที่เรียกว่าข้อมูลตามลำดับ
CNN ถือว่ามีประสิทธิภาพมากกว่า RNN	RNN มีคุณสมบัติที่เข้ากันได้น้อยกว่าเมื่อเทียบกับ CNN
เครือข่ายนี้รับอินพุตขนาดคงที่และสร้างเอาต์พุตขนาดคงที่	RNN สามารถจัดการกับความยาวอินพุต / เอาต์พุตโดยพลการ
CNN เป็นเครือข่ายประสาทเทียมประเภทหนึ่งที่มีการรับรู้หลายชั้นหลายรูปแบบซึ่งออกแบบมาเพื่อใช้การประมวลผลล่วงหน้าในปริมาณที่น้อยที่สุด	RNN ไม่เหมือนกับเครือข่ายประสาทเทียม feed forward - สามารถใช้หน่วยความจำภายในเพื่อประมวลผลลำดับอินพุตโดยพลการ
CNN ใช้รูปแบบการเชื่อมต่อระหว่างเซลล์ประสาท สิ่งนี้ได้รับแรงบันดาลใจจากการจัดระเบียบของเปลือกนอกของสัตว์ซึ่งเซลล์ประสาทแต่ละเซลล์จะถูกจัดเรียงในลักษณะที่ตอบสนองต่อพื้นที่ที่ทับซ้อนกันซึ่งทำให้ลานสายตา	เครือข่ายประสาทที่เกิดซ้ำใช้ข้อมูลอนุกรมเวลาสิ่งที่ผู้ใช้พูดล่าสุดจะส่งผลต่อสิ่งที่เขา / เธอจะพูดต่อไป
CNN เหมาะอย่างยิ่งสำหรับการประมวลผลภาพและวิดีโอ	RNN เหมาะอย่างยิ่งสำหรับการวิเคราะห์ข้อความและคำพูด

ภาพประกอบต่อไปนี้แสดงแผนผังของ CNN และ RNN -