keras.layer.Dense（32）和keras.layer.SimpleRNN（32）之间的区别？

Question

keras.layer.Dense（）和keras.layer.SimpleRNN（）之间有什么区别？我确实理解什么是神经网络和RNN，但是对于api，直觉还不清楚。当我看到keras.layer.Dense（32）时，我将其理解为具有32个神经元的层。但不清楚SimpleRNN（32）是否意味着相同。我是Keras的新手。

1. Dense（）和SimpleRNN之间的差异如何？
2. Dense（）和SimpleRNN（）在任何时间点都相同吗？
3. 如果是，那么何时，如果没有，那么SimpleRNN（）和Dense（）之间有什么区别？
4. 如果有人可以帮助形象化它会很棒吗？

究竟发生了什么 https://github.com/fchollet/keras/blob/master/examples/addition_rnn.py

Answer 1

绝对不同。

根据Keras Dense密集执行操作：output = activation（dot（input，kernel）+ bias），它是神经网络的基础架构。

但对于SimpleRNN，Keras SimpleRNN完全连接的RNN，其中输出将被反馈到输入。

神经网络和递归神经网络的结构不同。

回答你的问题：

1. Dense（）和SimpleRNN之间的区别在于传统神经网络与递归神经网络之间的差异。
2. 不，它们只是为每个网络定义结构，但会以不同的方式工作。
3. 然后与1
相同
4. 检查有关神经网络和循环神经网络的资源，互联网上有很多。