keras.layer.Dense（32）和keras.layer.SimpleRNN（32）之間的區別？

Question

keras.layer.Dense（）和keras.layer.SimpleRNN（）有什麼區別？我明白什麼是神經網絡和RNN，但是對於api而言，直覺是不清楚的。當我看到keras.layer.Dense（32）時，我將它理解爲具有32個神經元的層。但是，如果SimpleRNN（32）意味着相同，則不太清楚。我是凱拉斯的新手。

1. Dense（）和SimpleRNN如何相互區別？
2. Dense（）和SimpleRNN（）函數在任何時間點都相同嗎？
3. 如果是這樣，那麼如果不是那麼SimpleRNN（）和Dense（）之間有什麼區別？
4. 如果有人可以幫助將其視覺化，那將會很棒嗎？

什麼在 https://github.com/fchollet/keras/blob/master/examples/addition_rnn.py

Answer 1

絕對不同恰好發生。

根據Keras Dense Dense實現了操作：output = activation（dot（input，kernel）+ bias），它是神經網絡的基礎架構。

但對於SimpleRNN，Keras SimpleRNN全連接RNN其中輸出被反饋到輸入端。

神經網絡和遞歸神經網絡的結構不同。

要回答你的問題：

1. 密集（）和SimpleRNN之間的區別是傳統的神經網絡和遞歸神經網絡之間的差異。
2. 不，他們只是定義每個網絡的結構，但會以不同的方式工作。
3. 然後和1一樣
4. 檢查有關神經網絡和遞歸神經網絡的資源，它們在互聯網上有很多。