Parte 2: Entendendo os modelos GRU

Agora você vai ver como usar os modelos Keras pra aceitar lotes de entradas de tamanhos aleatórios. A capacidade de aceitar lotes de tamanhos aleatórios é importante por vários motivos. Por exemplo, isso permite que você defina um único modelo Keras e experimente diferentes tamanhos de lote durante a fase de treinamento do modelo, sem precisar alterar nada no modelo.

Para este exercício, keras e numpy (como np) já foram importados.

Este exercício faz parte do curso

Tradução automática com Keras

Ver curso

Instruções do exercício

Defina uma camada de entrada que aceite um lote de dados de tamanho arbitrário com comprimento de sequência 3 e tamanho de entrada 4.
Defina uma camada GRU com 10 unidades ocultas que consome a entrada anterior e produz uma saída.
Defina um modelo chamado “ model ” que pega a camada de entrada como entrada e produz a saída da camada GRU como saída. Lembre-se de que você pode usar a sintaxe keras.models.Model(<argument>=<value>) para definir um modelo.
Preveja o resultado do modelo para x1 e x2.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Define an input layer
inp = keras.layers.____(____=(____))
# Define a GRU layer that takes in the input
gru_out = keras.layers.____(____)(____)
# Define a model that outputs the GRU output
____ = keras.models.____(inputs=____, outputs=____)

x1 = np.random.normal(size=(2,3,4))
x2 = np.random.normal(size=(5,3,4))

# Get the output of the model and print the result
y1 = ____.____(____)
y2 = ____.____(____)
print("shape (y1) = ", y1.shape, " shape (y2) = ", y2.shape)

Editar e executar o código