Teil 1: GRU-Modelle verstehen
Wusstest du, dass diese Modelle im Vergleich zu herkömmlichen rekurrenten neuronalen Netzen, die normalerweise nur weniger als hundert Zeitschritte speichern können, sogar bis zu tausende Zeitschritte speichern können? GRU-Modelle zu verstehen ist super wichtig, um sie effektiv für die Umsetzung von maschinellen Übersetzungsmodellen zu nutzen.
In dieser Übung wirst du ein einfaches Modell mit einer Eingabeschicht und einer GRU-Schicht erstellen. Anschließend verwendest du das Modell, um Ausgabewerte für ein zufälliges Eingabearray zu erzeugen.
Lass dich nicht davon abschrecken, dass du zufällige Daten verwendest. Das Ziel dieser Übung ist es, die Form der von der GRU-Schicht erzeugten Ausgaben zu verstehen. In den nächsten Kapiteln wirst du echte Sätze in die GRU-Schichten eingeben, um Übersetzungen zu machen.
Diese Übung ist Teil des Kurses
Maschinelle Übersetzung mit Keras
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
import tensorflow.keras as keras
import numpy as np
# Define an input layer
inp = keras.layers.____(____=(____))