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.
To ćwiczenie jest częścią kursu
Tłumaczenie maszynowe z Keras
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
import tensorflow.keras as keras
import numpy as np
# Define an input layer
inp = keras.layers.____(____=(____))