Comprendere l'output dei modelli sequenziali
In questo esercizio imparerai a usare il livello keras.layers.GRU. keras.layers.GRU incapsula comodamente la funzionalità di una GRU in un oggetto Layer.
Esplorerai quale forma (shape) ha l'output di un livello GRU e come cambia quando fornisci argomenti diversi. È raro osservare direttamente i vettori numerici prodotti da una GRU nella pratica, ma per usare questi livelli in modelli più complessi devi avere una buona comprensione delle forme degli output e di come ottenere l’output desiderato tramite i vari argomenti.
Qui avrai già caricati keras e numpy (come np). Puoi accedere ai livelli chiamando keras.layers.<Layer> o creare un modello chiamando keras.models.Model.
Questo esercizio fa parte del corso
Traduzione automatica con Keras
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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.____)