RNN和CNN主要的区别有以下两个方面：

1、应用领域不同
CNN卷积神经网络，主要用于处理图像。因为卷积网络的特性，使得卷积模型的训练速度快，参数量少且具有平移不变性。

RNN循环神经网络，主要用于处理文本。在文本中，我们是从前往后看，一个句子可以被建模成一个序列。循环神经网络就是用来处理序列任务的，并且认为序列中前面的内容会影响后面的内容。如：往生堂堂主是_____, 我们填胡桃，因为序列前面的内容限定了后面的内容。

2、模型架构不同
CNN通过叠加一层层的卷积核，从对图像中低级特征的抽取，逐渐过渡到图像中的高级特征的提取，例如一开始层的输出会检测到图像的边缘，纹理等信息，后面几层就可以通过整合前面层的内容获得更高级的如人脸特征。

RNN的假设——事物的发展是按照时间序列展开的，即前一刻发生的事物会对未来的事情的发展产生影响。所以，在处理过程中，每一刻的输出都是带着之前输出值加权之后的结果。如下是花书的RNN网络架构图。