一組圖詮釋CNN及RNN的區別

CNN和RNN是深度學習中運用最多的兩種深度學習網路結構，可能有些同學還不太清楚這兩種網路的區別，今天剛好看到了一張圖可以比較清楚的解釋CNN及RNN的區別。  

首先，CNN對於輸入資料的維度約束是比較嚴重的，比如用CNN訓練一個影象識別的model，訓練的圖片畫素是48*48的，那麼在預測的時候，也需要把所有的預測圖片轉成48*48。這個約束在影象識別方面可能表現的並不是那麼明顯，人們可以說：大不了預測的時候我做個圖片大小轉換不就得了？我們再思考另一個場景，比如用CNN去做一個智慧問答系統，CNN會需要所有的問答資料都是固定的長度，這就很可怕了，這種模型會讓問答變成對對子，必須每句話長短固定。而RNN沒有這種約束。

另外，RNN更多的考慮了神經元之間的聯絡，比如我們訓練一個翻譯系統，那麼對於一個短語的翻譯一定要考慮前因後果，這就需要模型對於資料輸入的前後因素都要考慮，CNN並不具備這樣的特點。

現在再用一張圖表示CNN和RNN的具體應用：

one to one：表示的是CNN網路的場景，從固定的輸入到固定的輸出

one to many：RNN的場景，序列輸出，有點像看圖說話，例如固定了輸入的圖片，然後輸出一段序列描述這個圖的意義

many to one：RNN的場景，序列輸入，比如我們做語義情感分析，輸入一串不定長度的話，返回情緒

many to many：RNN的場景，常見的sequence to sequence，比如之前的一個文章到的，通過周杰倫的歌詞資料，模仿寫出一首周杰倫風格的歌詞，這種場景的輸入和輸出的長度都是不定的。

作者微信公眾號：凡人機器學習