卷积神经网络
卷积神经网络是属于空间序列,属于空间上的参数共享,如这一时刻输入的图片矩阵,都是用同一个卷积核,在矩阵上的不同区域进行卷积,还有池化也是
循环神经网路
循环神经网络是属于时间序列,属于时间上的参数共享, 书上按时间序列展开后就得到了很多的单元,主要是为了方便学习,在理想条件下,时间序列可以无限长,但是参数也会无限的增长, 消耗的内存是非常大的,所以一般不会这么做。如:同一个神经单元,在这一时刻输入,按时间向前传播,更新完权值和状态等等,又提供给下一序列的输入,就达到的时间序列上的传播
#在keras中的循环神经网络参数utils的解释
GRU(utils=10, return_sequences=True) #表示的意思为:某一时刻输出的向量长度为10,
#第二个参数为True表示每一个时刻的输入都输出,也就是输出全部序列,
#为False时只输出最后一个序列的输出
如果要拿CNN和RNN做比喻的话,那CNN就好比列表等等,RNN就好比生成器