深度之眼Pytorch打卡（十七）：循环神经网络部件——RNN详细原理与pytorch的RNN层应用实例
前言 循环神经网络（Recurrent Neural Network，RNN）与卷积神经网络一样，都在深度学习中占有非常重要的地位。虽然先前笔记提到的全连接网络和卷积神经网络已经有很强的表示能力了，但由于网络结构的限制，它们只能处理定长的输入数据，并且由于有向无环的特点，它们只在意当前输入数据，而不考虑输入数据的顺序、以及前后数据是否有关联。而文本、语音和视频等数据，往往都是不定长的、并且前后数据相关性极大，一旦改变顺序，往往会失去原先的信息。所以需要一种考虑输入数据顺序，并且能够记忆以往数据
