Comprendre la sortie d'un modèle séquentiel
Dans cet exercice, vous allez apprendre à utiliser la couche keras.layers.GRU. keras.layers.GRU regroupe élégamment les fonctions d'une GRU dans un objet Layer.
Vous allez examiner la forme (shape) de la sortie d'une couche GRU et voir comment elle change selon les arguments fournis. Il est rare d'observer directement les vecteurs numériques produits par une GRU dans la pratique, mais pour utiliser ces couches dans des modèles plus complexes, vous devez bien comprendre les formes des sorties et savoir obtenir la sortie souhaitée à l'aide de différents arguments.
Ici, keras et numpy (sous np) sont déjà chargés. Vous pouvez accéder aux couches avec keras.layers.<Layer> ou à un modèle avec keras.models.Model.
Cette activité fait partie du cours
Traduction automatique avec Keras
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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.____)