大家好~~歡迎來到第二十一篇 Deep learning -3

上一篇跟大家介紹到 CNN 的部分，本篇要來跟大家介紹 RNN 的概念，其實 RNN 很簡單，有點像是 CNN 的延伸品，但是又有點不像。

上圖為 RNN 基礎運作架構圖，RNN 到底怎麼運作的？其實他就是把資料重複地一直輸入，就是不斷的記憶，這個權重筆就會不斷的變高，例如說 Taiwan is good，他就是一直輸入 Taiwan is good Taiwan is good...不斷地進行訓練，直到最後他將整個句子可以完整念出或顯示出來為止，許多現在語言機器人會使用 RNN 來做，因為就是訓練自然語言的一種。

上圖為另外一種 RNN 的介紹圖，他示意就是說，今天一個語言進來的時候他會不斷地將前面的東西都收集起來，一起跟下一句進行訓練，它就是利用不斷的訓練跟記憶，讓自己強制記住這些語言到底在說什麼，但是他也不會刻意去懂這個意思是什麼，它的功能就是將句子記憶起來輸出就對了。

因此 RNN 功能性到沒有到很完全，後來出現了另外一種記憶方式。

上圖為 LSTM 的架構圖，那麼這套架構圖他到底差異在哪裡呢，原本的 RNN 就是只有外圍的部分， LSTM 的技術是將每個記憶點他再內部又加上深層的記憶算法，讓自己成為長期記憶的方式進行，雖然這個方式相對消耗的資源會比較多，但是得到的資料卻是很永久性的，就像人類記憶物品一樣，有長期跟短期之分，RNN 就像是短期，LSTM 就是長期。

那麼先謝謝大家觀看，先讓大家吸收到這邊，下一篇我會從 LSTM 繼續介紹。
RNN 基礎介紹
RNN 基礎介紹-1
LSTM 基礎介紹

記憶是一條漫長的路，不可快，不可慢。