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

• Yksi yhteen: tässä arkkitehtuurissa jokainen syöte vastaa yhtä ulostuloa. Tätä käytetään tyypillisesti yksinkertaisissa luokittelutehtävissä, joissa syötteen ja ulostulon koko on kiinteä;
• Yksi moneen: tässä arkkitehtuurissa yksi syöte tuottaa useita ulostuloja. Tämä soveltuu esimerkiksi kuvatekstien generointiin, 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-arkkitehtuurilla on oma käyttötarkoituksensa, ja sopivan arkkitehtuurin valinta on olennaista tehtävän tehokkaassa ratkaisemisessa.