小冰：我可不管那么多，我只是要知道，哪些人给了我差评
这天，咖哥突然问：“同学们，欣赏一幅画时，是整体地看，还是从上到下、从左到右地看？”
大家回答：“整体看。”
咖哥继续问：“那么当看一本书的时候，是整页地看，还是从上到下、从左到右有次序地看？”
小冰说：“你说呢？”
咖哥说：“小冰，别以为我在开玩笑。我想引出图形图像识别和自然语言处理这两种应用的不同之处。”
应用卷积网络处理图形图像，效果很好。无论是普通的深度神经网络，还是卷积网络，对样本特征的处理都是整体进行的，是次序无关的。在卷积网络中，虽然有一个通过滑动窗口抠取图块与卷积核进行卷积操作的过程，但对于每张图像来说，仍然是一个整体操作。也就是说，先处理左侧的特征图，还是先处理右侧的特征图，神经网络所得到的结果是完全相同的，预测值与操作特征的次序无关。
然而在面对语言文字的时候，特征之间的“次序”突然变得重要起来。本课中要讲的另一个重要神经网络模型—循环神经网络，就是专门用于处理语言、文字、时序这类特征之间存在“次序”的问题。这是一种循环的、带“记忆”功能的神经网络，这种网络针对序列性问题有其优势。
小冰听到这儿突然又激动了：“咖哥，这个循环神经网络来得正是时候。我的店铺中，有几个爆款产品最近收到了很多的评论，有好评，也有差评，数量多得我简直看不过来。我想，没时间一条条看评论的话，能不能将这些评论都输入机器，看看是哪些客户经常性地给产品差评呢？”
小冰：我可不管那么多，我只是要知道，哪些人给了我差评
“很好啊，”咖哥说，“这不正是适合用循环神经网络来解决的好案例吗。不过，我们还是先看看本课重点吧。”
