Часть 2: знакомство с моделями GRU

Сейчас вы узнаете, как модели Keras могут принимать батчи входных данных произвольного размера. Эта возможность важна по многим причинам. Например, она позволяет определить одну модель Keras и экспериментировать с разными размерами батчей на этапе обучения — без каких-либо изменений в самой модели.

Для этого упражнения keras и numpy (как np) уже импортированы.

Это упражнение является частью курса

Машинный перевод с Keras

Посмотреть курс

Инструкции к упражнению

Определите входной слой, принимающий батчи произвольного размера с длиной последовательности 3 и размером входа 4.
Определите слой GRU с 10 скрытыми нейронами, который принимает предыдущий вход и формирует выходные данные.
Определите модель с именем model, используя предыдущий входной слой в качестве входа и выход слоя GRU в качестве выхода. Для этого можно использовать синтаксис keras.models.Model(<argument>=<value>).
Получите выходные данные модели для x1 и x2.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код