循环神经网络RNN

       一个输入（单一标签）对应一个输出（单一标签）。

       一个输入对应多个输出，即这个架构多用于图片的对象识别，即输入一个图片，输出一个文本序列。

       多个输入对应一个输出，多用于文本分类或视频分类，即输入一段文本或视频片段，输出类别。如电影评价，输入电影评价

       多个输入一一对应于多个输出，这种广泛的用于序列标注。如命名实体识别，即识别出人名是1，不是人名为0等等。

       多个输入对应多个输出，这种结构广泛的用于机器翻译，输入一个文本，输出另一种语言的文本。

        RNN类型众多，考虑到简单起见，我们用RNN类型中的many—to—many一一对应，即如下图所示

       循环神经网络可以看作是单元的重复，首先要实现单个时间步的计算，下图描述了RNN单元的单个时间步的操作。

       按照想上的步骤重复计算即可，就完成了RNN的前向传播

       RNN的反向传播和标准的神经网络反向传播差别不大