सीक्वेंशियल मॉडल के आउटपुट को समझना
इस अभ्यास में आप keras.layers.GRU लेयर का उपयोग करना सीखेंगे। keras.layers.GRU एक GRU की क्षमताओं को सुविधाजनक रूप से एक Layer ऑब्जेक्ट में लपेटता है।
आप देखेंगे कि GRU लेयर का आउटपुट किन आकारों (shape) में आता है और अलग-अलग आर्ग्युमेंट देने पर यह कैसे बदलता है। वास्तविक उपयोग में GRU द्वारा निकले संख्यात्मक वेक्टर सीधे देखना कम होता है, लेकिन जटिल मॉडलों में इन लेयर्स का सही उपयोग करने के लिए, आउटपुट के shapes और अलग-अलग आर्ग्युमेंट्स से वांछित आउटपुट कैसे प्राप्त करें — यह अच्छी तरह समझना ज़रूरी है।
यहाँ keras और numpy (as np) पहले से लोड हैं। आप लेयर्स को keras.layers.<Layer> और मॉडल को keras.models.Model कॉल करके एक्सेस कर सकते हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ Machine Translation
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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.____)