De RepeatVector-laag begrijpen

Je gaat nu verkennen hoe de RepeatVector-laag werkt. De RepeatVector-laag voegt een extra dimensie toe aan je gegevensset. Als je bijvoorbeeld een input hebt met vorm (batch size, input size) en je wilt die aan een GRU-laag aanbieden, dan kun je een RepeatVector-laag gebruiken om de input om te zetten naar een tensor met vorm (batch size, sequence length, input size).

In deze oefening definieer je een model dat een gegeven input een vast aantal keren herhaalt. Vervolgens geef je een numpy-array aan het model en onderzoek je hoe het model de output verandert.

Deze oefening maakt deel uit van de cursus

Machine Translation met Keras

Cursus bekijken

Oefeninstructies

Definieer een RepeatVector-laag die de input 6 keer herhaalt.
Definieer een Model die de invoerlaag als input neemt en de repeatvector-output produceert.
Definieer een numpy-arrayobject met de data [[0,1], [2,3]].
Voorspel de output van het model door x als input te geven.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

from tensorflow.keras.layers import Input, RepeatVector
from tensorflow.keras.models import Model
import numpy as np

inp = Input(shape=(2,))
# Define a RepeatVector that repeats the input 6 times
rep = ____(____)(inp)
# Define a model
model = ____(____=____, ____=____)
# Define input x
x = ____.____([____,____])
# Get model prediction y
y = ____.____(____)
print('x.shape = ',x.shape,'\ny.shape = ',y.shape)

Code bewerken en uitvoeren