RNN-verkkoja on useita erilaisia arkkitehtuureja, jotka valitaan datan luonteen ja tehtävän mukaan. Eri tyyppien ymmärtäminen auttaa valitsemaan oikean RNN-arkkitehtuurin kuhunkin sovellukseen.

• Yksi yhteen: tässä arkkitehtuurissa jokainen syöte vastaa yhtä ulostuloa. Käytetään tyypillisesti yksinkertaisissa luokittelutehtävissä, joissa syötteen ja ulostulon koko on kiinteä;
• Yksi moneen: tässä arkkitehtuurissa yksi syöte tuottaa useita ulostuloja. Hyödyllinen esimerkiksi kuvatekstien generoinnissa, jossa kuva (yksi syöte) tuottaa sanajonon (useita ulostuloja);
• Moni yhteen: tässä tyypissä käsitellään useita syötteitä ja tuotetaan yksi ulostulo. Esimerkkinä tunnelma-analyysi, jossa sanajono (syöte) analysoidaan tuottamaan yksi tunnelmapiste (ulostulo);
• Moni moneen: tässä useat syötteet tuottavat useita ulostuloja. Tätä arkkitehtuuria käytetään esimerkiksi konekäännöksessä, jossa sanajono yhdellä kielellä (syöte) muunnetaan sanajonoksi toisella kielellä (ulostulo).

Jokaisella RNN-arkkitehtuurin tyypillä on oma erityinen käyttötarkoituksensa, ja sopivan arkkitehtuurin valinta on ratkaisevan tärkeää tehtävän tehokkaaksi ratkaisemiseksi.