1. Learn
    2. /
  2. Courses
    3. /
  3. Tłumaczenie maszynowe z Keras
Connected

Exercise

Część 1: Poznajemy modele GRU

Czy wiesz, że modele GRU potrafią zapamiętywać nawet tysiące kroków czasowych – w porównaniu ze standardowymi rekurencyjnymi sieciami neuronowymi, które zazwyczaj pamiętają mniej niż sto kroków? Zrozumienie modeli GRU jest niezbędne, aby skutecznie wykorzystywać je do budowania modeli tłumaczenia maszynowego.

W tym ćwiczeniu zaimplementujesz prosty model składający się z warstwy wejściowej i warstwy GRU, a następnie użyjesz go do wygenerowania wartości wyjściowych dla losowej tablicy wejściowej.

Nie przejmuj się, że korzystasz z losowych danych. Celem tego ćwiczenia jest zrozumienie kształtu wyników produkowanych przez warstwę GRU. W kolejnych rozdziałach będziesz podawać warstwie GRU rzeczywiste zdania, aby wykonywać tłumaczenia.

Instructions 1/3

undefined XP
    1
    2
    3
  • Zdefiniuj warstwę wejściową Keras z rozmiarem wsadu 2, długością sekwencji 3 i wymiarem wejściowym 4. Pamiętaj, że warstwę wejściową możesz zdefiniować za pomocą składni keras.layers.Input(<argument>=<wartość>).