Rozumienie wyników modelu sekwencyjnego
W tym ćwiczeniu nauczysz się korzystać z warstwy keras.layers.GRU. keras.layers.GRU w wygodny sposób opakowuje funkcjonalność GRU w obiekt Layer.
Zbadasz, jak wygląda kształt wyników warstwy GRU i jak zmienia się on w zależności od podanych argumentów. W praktyce rzadko ogląda się wektory liczbowe produkowane przez GRU, jednak aby korzystać z tych warstw w bardziej złożonych modelach, musisz dobrze rozumieć kształty wyników i wiedzieć, jak uzyskać pożądany wynik za pomocą różnych argumentów.
W środowisku masz już załadowane keras oraz numpy (jako np). Dostęp do warstw uzyskasz przez keras.layers.<Layer>, a do modelu – przez keras.models.Model.
To ćwiczenie jest częścią kursu
Tłumaczenie maszynowe z Keras
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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.____)