A GRU e LSTM diferem no número de camadas utilizadas no modelo. A GRU possui apenas uma camada oculta e a LSTM possui duas camadas ocultas.

A GRU possui apenas uma variável de estado (sinal de memória) e 2 portas de controle, a LSTM possui duas variáveis de estado (sinal memória) e 3 portas.

A GRU possui duas variáveis de estado (sinal de memória) e 2 portas, a LSTM possui apenas uma variável de estado (sinal memória) e 3 portas.

A GRU e LSTM possuem a mesma quantidade de portas e variáveis de estado. A diferença principal está na forma de treinamento dos modelos.

A GRU não permite a criação de uma arquitetura bidirecional. Esta só é possível com as unidades LSTM.