CNN vs RNN
RNN
回归型网络，用于序列数据，并且有了一定的记忆效应，辅之以
lstm
。
CNN应该侧重空间映射，图像数据尤为贴合此场景。
RNN
理论的和经验的证据表明很难学习并长期保存信息。
为了解决这个问题，一个增大网络存储的想法随之产生。采用了特殊隐式单元的
LSTM
（
long short-termmemory networks
）被首先提出，其自然行为便是长期的保存输入。
LSTM是RNN的一个优秀的变种模型，继承了大部分RNN模型的特性，同时解决了梯度反传过程由于逐步缩减而产生的Vanishing Gradient问题。
传统RNN很容易产生梯度消失、爆炸（膨胀）的问题。
