一文看懂循环神经网络-RNN（独特价值+优化算法+实际应用）

本文首发在 easyAI - 人工智能知识库
原文地址：《一文看懂循环神经网络-RNN（独特价值+优化算法+实际应用）》

卷积神经网络 - CNN 已经很强大的，为什么还需要RNN？

本文会用通俗易懂的方式来解释 RNN 的独特价值——处理序列数据。同时还会说明 RNN 的一些缺陷和它的变种算法。

最后给大家介绍一下 RNN 的实际应用价值和使用场景。

为什么需要 RNN ？独特价值是什么？

卷积神经网络 - CNN 和普通的算法大部分都是输入和输出的一一对应，也就是一个输入得到一个输出。不同的输入之间是没有联系的。

但是在某些场景中，一个输入就不够了！

为了填好下面的空，取前面任何一个词都不合适，我们不但需要知道前面所有的词，还需要知道词之间的顺序。

这种需要处理「序列数据 - 一串相互依赖的数据流」的场景就需要使用 RNN 来解决了。

典型的集中序列数据：

1. 文章里的文字内容
2. 语