keras.layer.Dense(32)与keras.layer.SimpleRNN(32)的差异？

Question

keras.layer.Dense()和keras.layer.SimpleRNN()之间有什么区别？我理解什么是神经网络和RNN，但是api的直觉并不清楚。当我看到keras.layer.Dense( 32 )时，我把它理解为有32个神经元的层。但还不清楚SimpleRNN(32)是否意味着相同。我是凯拉斯的新手。

1. ()和SimpleRNN之间的差别有多大？
2. 稠密()和SimpleRNN()函数在任何时候都一样吗？
3. 如果是，那么何时以及如果不是，那么SimpleRNN()和Dense()之间的区别是什么？
4. 如果有人能帮我把它形象化，那就太好了？

rnn.py到底发生了什么

Answer 1

绝对不一样。

根据喀拉斯稠密稠密实现的操作:输出=激活(点(输入，内核)+偏差)，是神经网络的基本结构。

但是对于SimpleRNN，完全连接的Keras SimpleRNN神经网络，它的输出要反馈给输入.

神经网络和递归神经网络的结构是不同的。

回答你的问题：

1. 稠密()和SimpleRNN的区别在于传统的神经网络和递归神经网络的区别。
2. 不，它们只是为每个网络定义了结构，但将以不同的方式工作。
3. 然后和1一样
4. 检查神经网络和递归神经网络的资源，网络上有很多。