Teil 2: GRU-Modelle verstehen

Jetzt zeig ich dir, wie du Keras-Modelle nutzen kannst, um Batches mit beliebig großen Eingaben zu verarbeiten. Die Möglichkeit, Batches beliebiger Größe zu akzeptieren, ist aus vielen Gründen wichtig. So kannst du zum Beispiel ein einziges Keras-Modell festlegen und während des Modelltrainings mit verschiedenen Batchgrößen experimentieren, ohne irgendwas am Modell ändern zu müssen.

Für diese Übung wurden bereits „ keras “ und „ numpy “ (als „ np “) importiert.

Diese Übung ist Teil des Kurses

Maschinelle Übersetzung mit Keras

Kurs anzeigen

Anleitung zur Übung

Definiere eine Eingabeschicht, die einen beliebigen Datenstapel mit einer Sequenzlänge von 3 und einer Eingabegröße von 4 akzeptiert.
Definiere eine GRU-Schicht mit 10 versteckten Einheiten, die die vorherige Eingabe verarbeitet und eine Ausgabe erzeugt.
Definiere ein Modell namens „ model “, das die Eingabeschicht als Input nimmt und die Ausgabe der GRU-Schicht als Output liefert. Denk dran, dass du die Syntax „ keras.models.Model(<argument>=<value>) “ verwenden kannst, um ein Modell zu definieren.
Sag mal, was das Modell für x1 und x2 ausgibt.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Define an input layer
inp = keras.layers.____(____=(____))
# Define a GRU layer that takes in the input
gru_out = keras.layers.____(____)(____)
# Define a model that outputs the GRU output
____ = keras.models.____(inputs=____, outputs=____)

x1 = np.random.normal(size=(2,3,4))
x2 = np.random.normal(size=(5,3,4))

# Get the output of the model and print the result
y1 = ____.____(____)
y2 = ____.____(____)
print("shape (y1) = ", y1.shape, " shape (y2) = ", y2.shape)

Code bearbeiten und ausführen