शुरू करेंमुफ़्त में शुरू करें

भाग 2: GRU मॉडल को समझना

अब आप देखेंगे कि Keras मॉडल्स का उपयोग करके मनचाहे आकार के इनपुट बैच कैसे स्वीकार किए जा सकते हैं. मनचाहे आकार के बैच स्वीकार करने की क्षमता कई कारणों से महत्वपूर्ण है. उदाहरण के लिए, यह आपको एक ही Keras मॉडल परिभाषित करने और मॉडल ट्रेनिंग चरण के दौरान अलग-अलग batch sizes के साथ प्रयोग करने देता है, बिना मॉडल में कुछ भी बदले.

इस अभ्यास के लिए keras और numpy (के रूप में np) पहले से इम्पोर्ट किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ Machine Translation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक इनपुट लेयर परिभाषित करें जो sequence length 3 और input size 4 वाले डेटा के मनचाहे आकार के बैच को स्वीकार करे.
  • 10 hidden units वाला एक GRU लेयर परिभाषित करें जो पिछले इनपुट को consume करे और एक आउटपुट दे.
  • model नाम का एक Model परिभाषित करें जो इनपुट लेयर को input के रूप में ले और GRU लेयर के आउटपुट को output के रूप में दे. याद रखें कि आप मॉडल परिभाषित करने के लिए keras.models.Model(<argument>=<value>) सिंटैक्स उपयोग कर सकते हैं.
  • x1 और x2 दोनों के लिए मॉडल का आउटपुट प्रिडिक्ट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ