Část 1: Pochopení modelů GRU
Věděl/a jsi, že tyto modely si dokážou zapamatovat až tisíce časových kroků, zatímco standardní rekurentní neuronové sítě si obvykle zapamatují méně než sto kroků? Pochopení modelů GRU je klíčové pro jejich efektivní využití při implementaci modelů strojového překladu.
V tomto cvičení implementuješ jednoduchý model se vstupní vrstvou a vrstvou GRU. Pak model použiješ k získání výstupních hodnot pro náhodné vstupní pole.
Nevadí, že pracuješ s náhodnými daty. Cílem tohoto cvičení je pochopit tvar výstupů, které vrstva GRU produkuje. V dalších kapitolách budeš do vrstev GRU vkládat skutečné věty a provádět překlad.
Toto cvičení je součástí kurzu
Machine Translation with Keras
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
import tensorflow.keras as keras
import numpy as np
# Define an input layer
inp = keras.layers.____(____=(____))