熱線電話:13121318867

登錄
首頁大數據時代RNN和CNN的區別表現在哪些方面?
RNN和CNN的區別表現在哪些方面?
2020-07-13
收藏

RNN(循環神經網絡),和CNN(卷積神經網絡)是深度學習經常進行比較的兩個概念,下面小編整理了RNN和CNN的一些區別,希望對大家有所幫助。

1.從應用方面來看CNN主要用于圖像識別比較多,而RNN被用于語言處理多一些,主要用于時序和NLP

RNN的假設——事物的發展是按照時間序列展開的,即前一刻發生的事物會對未來的事情的發展產生影響。

CNN的基礎的假設——人類的視覺總是會關注視線內特征最明顯的點

2.當RNN、CNN都用于NLP時,它們的區別在于:

RNN(循環神經網絡),當前節點的輸入包含之前所有節點信息。

CNN(卷積神經網絡),當前節點的輸入以樹結構形式僅包含上一層節點信息。

3.具體應用場景

RNN 的應用場景有:

語句生成:應用于自動翻譯、智能對話領域;

視頻分類(需要與 CNN 結合):應用于視頻搜索;

圖片標注(需要與 CNN 結合):應用與看圖說話;

CNN的應用場景包括:

目標分類:應用領域有人臉識別、物品識別、場景識別、文字識別等;

目標檢測:應用領域有安防和駕駛;

增強學習:應用領域有圍棋、撲克、自動游戲、機器人運行控制;

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢