用語比較
LSTMとGRUの違い
LSTMとGRUは、どちらもRNNが苦手とする長期的な特徴の学習を補うために提案されたモデルですが、ゲートの構造が違います。LSTMは「入力ゲート」「忘却ゲート」「出力ゲート」の3つのゲートを持ちます。GRUは「リセットゲート」と「更新ゲート」の2つのゲートで記憶を制御し、LSTMの入力ゲートと忘却ゲートの役割を更新ゲートへ統合した構造を持ちます。
G検定では、ゲートの数（3つか2つか）と、入力ゲート・忘却ゲートが統合されているかどうかを先に見て、LSTMとGRUのどちらを問うているかを判断します。
このページは、LSTMとGRUを「RNNの改良版」という共通点だけで覚えてしまう人と、計算量や性能の違いまで整理しきれていない人を対象にしています。ゲートの数と役割という軸で、判断の手順として整理します。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-07-03。
用語の定義・試験での使われ方は、G検定の公式シラバスとの整合を確認したうえでの編集部の解説です。試験仕様は変更される場合があるため、受験前に公式情報を確認してください。
結論
LSTM
「入力ゲート」「忘却ゲート」「出力ゲート」の3つのゲートを持ち、長期的特徴と短期的特徴を学習できる。
GRU
「リセットゲート」「更新ゲート」の2つのゲートで記憶を制御し、LSTMより計算量が少なくて済む。
違いを表で確認
| 比較軸 | 左側の概念 | 右側の概念 |
|---|---|---|
| ゲートの数 | 3つ（入力・忘却・出力） | 2つ（リセット・更新） |
| 入力ゲート・忘却ゲートの扱い | それぞれ独立したゲートとして持つ | 更新ゲートへ統合されている |
| 計算量 | 多い | LSTMより少なくて済む |
| 性能の目安 | 長期的特徴と短期的特徴を学習できる | LSTMと大きくは変わらないとされる |
どこで迷っているかを切り分ける
LSTMとGRUを「RNNの改良版」という共通点だけで覚える人
どちらもRNNが苦手とする長期依存の学習を補うために提案された点は共通しますが、ゲートの数と構造が異なります。LSTMは3つのゲート、GRUは2つのゲートという数の違いから先に区別します。
GRUの方が必ず性能が高いと考える人
GRUはLSTMより計算量が少なくて済みますが、性能はLSTMと大きくは変わらないとされています。計算量の少なさを性能の高さと同一視しないようにします。
ゲートの役割を覚えずに数だけで判断する人
ゲートの数（3つか2つか）だけでなく、GRUでは入力ゲートと忘却ゲートの役割が更新ゲートへ統合されているという構造上の違いまで理解しておくと、設問の言い換え表現にも対応しやすくなります。
具体例で使い分ける
例 1
入力・忘却・出力の3つのゲートが説明された場面
設問で、情報を取り込むゲート、忘れるゲート、出力するゲートの3つが個別に説明されている場面です。
- 1.ゲートが3つ、それぞれ独立した役割を持って説明されています。
- 2.入力ゲートと忘却ゲートが別々のゲートとして扱われています。
- 3.これはGRUの2ゲート構造とは異なります。
結論: 3つの独立したゲートが説明されているので、LSTMにあたります。
例 2
リセットゲートと更新ゲートの2つが説明された場面
設問で、過去の情報をどれだけ無視するかを決めるゲートと、過去の情報と新しい情報をどれだけ混ぜるかを決めるゲートの2つが説明されている場面です。
- 1.ゲートが2つ、リセットゲートと更新ゲートとして説明されています。
- 2.入力ゲート・忘却ゲートに相当する役割が更新ゲートへ統合されています。
- 3.これはLSTMの3ゲート構造とは異なります。
結論: 2つのゲートで記憶を制御しているので、GRUにあたります。
例 3
「計算量が少ないゲート付きRNN」とだけ書かれた説明から判断する場面
「計算量が少ないゲート付きのRNN系モデル」とだけ書かれた設問で、LSTMかGRUかを判断する場面です。
- 1.計算量が少ないという特徴は、GRUの方に当てはまりやすい記述です。
- 2.ただしゲートの数（2つか3つか）の記述があれば、そちらを優先して確認します。
- 3.計算量だけの記述であれば、GRUを候補にしつつ他の手掛かりも探します。
結論: 計算量が少ないという記述はGRUを候補にする手掛かりになりますが、ゲートの数の記述があればそちらを優先します。
問題文から答えを選ぶ手順
1. ゲートの数を数える
設問に出てくるゲートが3つか2つかを先に確認します。
2. ゲートの名称・役割を確認する
入力ゲート・忘却ゲート・出力ゲートという名称ならLSTM、リセットゲート・更新ゲートという名称ならGRUです。
3. 入力ゲートと忘却ゲートの統合を確認する
入力ゲートと忘却ゲートの役割が一つのゲートへ統合されているという記述があれば、GRUの更新ゲートを指しています。
4. 計算量・性能の記述を補助的に使う
計算量が少ない、性能はほぼ変わらないという記述は、ゲートの数の記述と合わせて判断の補強材料にします。
試験での見分け方
- 入力ゲート・忘却ゲート・出力ゲートの3つが説明されていればLSTM。
- リセットゲート・更新ゲートの2つが説明されていればGRU。
- 入力ゲートと忘却ゲートの役割が統合されているという記述はGRUの更新ゲートを指す。
- 計算量が少ないという記述だけでGRUと断定せず、ゲートの数・名称も確認する。
- GRUの方が性能が高いとは限らず、LSTMと大きくは変わらないとされる。
誤答しやすい選択肢
LSTMとGRUを「RNNの改良版」でひとまとめにする
修正: LSTMは3つのゲート、GRUは2つのゲートと、ゲートの数で先に区別します。
GRUの方が必ず性能が高いと考える
修正: GRUは計算量が少なくて済みますが、性能はLSTMと大きくは変わらないとされています。計算量と性能を同一視しません。
ゲートの名称を覚えずに数だけで判断する
修正: 入力・忘却・出力ならLSTM、リセット・更新ならGRUと、名称と役割まで確認します。
通常のRNNとLSTM・GRUを同じ構造だと考える
修正: 通常のRNNは長期的な特徴の学習が苦手という課題があり、これを補うためにゲート構造を持つLSTM・GRUが提案されました。
確認問題
Q1.「入力ゲート」「忘却ゲート」「出力ゲート」の3つのゲートを持つモデルは？
答え: LSTM
3つの独立したゲートを持つ点が判断根拠です。
Q2.「リセットゲート」「更新ゲート」の2つのゲートで記憶を制御するモデルは？
答え: GRU
2つのゲートで、入力ゲート・忘却ゲートの役割を更新ゲートへ統合している点が判断根拠です。
Q3.LSTMとGRUでは、どちらが一般に計算量が少なくて済む？
答え: GRU
GRUはゲートの数がLSTMより少なく、計算量が少なくて済むとされています。ただし性能はLSTMと大きくは変わらないとされます。
到達チェック
- ✓LSTMを3つのゲート（入力・忘却・出力）を持つモデルとして説明できる
- ✓GRUを2つのゲート（リセット・更新）で記憶を制御するモデルとして説明できる
- ✓GRUの更新ゲートが、LSTMの入力ゲート・忘却ゲートの役割を統合したものだと言える
- ✓計算量と性能の違いを、GRUの方が性能が高いと誤解せずに説明できる
- ✓通常のRNNとLSTM・GRUの違いを、長期依存の学習という観点で言える
関連ページで確認する
よくある質問
LSTMとGRUはどちらを使えばよい？
目的次第です。計算量を抑えたいならGRU、長期・短期の特徴をより細かく制御したいならLSTMを検討します。性能差は場面によって変わります。
GRUはLSTMの後継モデル？
GRUはLSTMより後に提案された、ゲートを簡略化したモデルですが、LSTMを置き換える上位互換というより、計算量とのバランスを取った選択肢として位置づけられます。
通常のRNNではなくLSTM・GRUを使う理由は？
通常のRNNは長期的な特徴の学習が苦手という課題があり、ゲート構造を持つLSTM・GRUはこの課題を補うために提案されました。
LSTM・GRUはTransformerと同じ枠組み？
いいえ。LSTM・GRUは再帰型ニューラルネットワーク（RNN）の一種で、時刻ごとに情報を順番に処理します。Transformerは注意機構を使う別の枠組みです。
執筆: ミナト編集部（運営者情報を見る）