Поиск по сайту:
Заполнять жизнь — это еще не значит обогащать ее (Из книги «Пи").

TensorFlow – разница между CNN и RNN

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (1 оценок, среднее: 5,00 из 5)
Загрузка...
19.07.2019
Как установить TensorFlow на CentOS 7

В этой главе мы сосредоточимся на разнице между CNN и RNN:

CNNRNN
Он подходит для пространственных данных, таких как изображения.RNN подходит для временных данных, также называемых последовательными данными.
CNN считается более мощным, чем RNN.RNN включает меньшую совместимость функций по сравнению с CNN.
Эта сеть принимает входы фиксированного размера и генерирует выходы фиксированного размера.RNN может обрабатывать произвольные длины ввода / вывода.
CNN – это тип искусственной нейронной сети с прямой связью с вариациями многослойных персептронов, предназначенных для использования минимальных объемов предварительной обработки.RNN в отличие от нейронных сетей прямой связи – может использовать свою внутреннюю память для обработки произвольных последовательностей входных данных.
CNN используют схему связи между нейронами. Это вдохновлено организацией зрительной коры животных, отдельные нейроны которой расположены таким образом, что они реагируют на перекрывающиеся области, покрывающие зрительное поле.Периодические нейронные сети используют информацию временных рядов – то, что пользователь говорил последним, повлияет на то, что он / она скажет дальше.
CNN идеальны для обработки изображений и видео.RNN идеально подходят для анализа текста и речи.

 

Следующая иллюстрация показывает схематическое представление CNN и RNN:

TensorFlow - разница между CNN и RNN

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Если статья понравилась, то поделитесь ей в социальных сетях:

Читайте также

0 0 голоса
Рейтинг статьи
Подписаться
Уведомить о
guest

**ссылки nofollow

0 комментариев
Старые
Новые Популярные
Межтекстовые Отзывы
Посмотреть все комментарии
Рекомендуемое
В этой статье объясняется, как изменить имя хоста в Debian…

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: