Comprensión de los resultados del modelo secuencial
En este ejercicio aprenderás a utilizar la capa « keras.layers.GRU ». « keras.layers.GRU » integra perfectamente la funcionalidad de un GRU en un objeto « Layer ».
Explorarás cómo es la forma de la salida de una capa GRU y cómo cambia cuando se proporcionan diferentes argumentos. Es poco habitual ver los vectores numéricos producidos por una GRU en la vida real, pero para utilizar estas capas en modelos más complejos, es necesario comprender bien las formas de las salidas y cómo obtener la salida deseada utilizando diversos argumentos.
Aquí ya tendrás cargados keras y numpy (como np). Puedes acceder a las capas llamando a keras.layers.<Layer> o a un modelo llamando a keras.models.Model.
Este ejercicio forma parte del curso
Traducción automática con Keras
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# Define the Input layer
inp = keras.layers.____(batch_shape=(____,____,5))
# Define a GRU layer that takes in inp as the input
gru_out1 = keras.layers.____(____)(____)
print("gru_out1.shape = ", gru_out1.____)