我还是机器学习的新手，刚刚遇到了强大的深度学习库 Keras。
我已经阅读了 Keras 文档并在 Github 上尝试了一些 Keras 示例。我还从多个来源研究了一些深度学习的基本知识和概念，但对看起来非常强大的网络的 CNN 和 RNN 仍然没有真正的理解。
因此，为了证明我的假设，我从 Keras Github 下载了 reuters_mlp.py 示例，该示例最初使用简单的 MLP 网络作为模型。我将imdb_cnn.py示例中得到的CNN思想结合到reuters_mlp.py示例中，然后观察结果。
令人惊讶的是，结果并没有像我预期的那样出来。CNN 的表现比简单的 MLP 网络最差。有人可以解释为什么 CNN 的准确性低于简单的 MLP 网络吗？
这是输出（Tensorflow 作为后端）
8982 个训练序列，2246 个测试序列，46 个类，num_words=1000
MLP（sequences_to_matrix，mode=bianry）：
纪元 1/5 8982/8982 [===============================] - 3s - loss: 1.3236 - acc: 0.6984
Epoch 2/5 8982/8982 [===============================] - 2s - loss: 0.7182 - acc: 0.8250
Epoch 3 /5 8982/8982 [===============================] - 2s - loss: 0.4544 - acc: 0.8864
Epoch 4/ 5 8982/8982 [===============================] - 2s - 损失：0.3197 - acc：0.9192
Epoch 5/5 8982/8982 [===============================] - 2s - 损失：0.2511 - acc：0.9356
1920/2246 [= =======================>.....] - ETA: 0s
测试损耗：1.05213204963 测试精度：0.785396260071
CNN（pad_sequences）：
纪元 1/5 8982/8982 [===============================] - 81s - 损失：1.9794 - acc: 0.5181
纪元2/5 8982/8982 [==============================] - 78s - 损失：1.4289 - acc：0.6591
Epoch 3 /5 8982/8982 [===============================] - 79s - loss: 1.1546 - acc: 0.7175
Epoch 4/ 5 8982/8982 [===============================] - 78s - 损失：0.9639 - acc：0.7663
Epoch 5/5 8982/8982 [===============================] - 77s - 损失：0.8378 - acc：0.7935
2240/2246 [= ============================>.] - ETA: 0s
测试损耗：0.960687935512，测试精度：0.764470169243