这里讲一下RNN（又称“valina RNN”）&GRU&LSTM三者的具体结构以及之间的联系。

1、RNN

 

在基本的RNN中（valina RNN），输出和隐状态相同；

2、GRU

加入了reset门和update门，前者用于确定前一步的隐状态有多少可以输入当前步，后者用于确定当前步的隐状态有多少可以输出下一步，结构如下：

多层GRU：

 3、LSTM

LSTM加入了输入门、忘记门、输出门，也因此多引入了cell state（细胞状态），结构如下：

 多层LSTM:

 三者区别：

（1）三者复杂度比较：LSTM > GRU > RNN，当数据集不大时，GRU和LSTM难分伯仲、但是数据集变大时LSTM更优；

（2）RNN和GRU都只有隐状态，而LSTM不仅传递隐状态还传递细胞状态；

（3）GRU：reset门（操作对象为h_t-1），update门（操作对象为h_t和h_t-1）；

LSTM：input门（操作对象为c_t），forget门（操作对象为c_t-1），output门（操作对象为h_t）;