Förstå RepeatVector-lagret

Nu ska du utforska hur RepeatVector-lagret fungerar. RepeatVector-lagret lägger till en extra dimension i din datamängd. Om du till exempel har en indata med formen (batch size, input size) och vill skicka den till ett GRU-lager, kan du använda ett RepeatVector-lager för att omvandla indata till en tensor med formen (batch size, sequence length, input size).

I den här övningen definierar du en modell som upprepar en given indata ett fast antal gånger. Du matar sedan in en numpy-array i modellen och undersöker hur modellen förändrar utdatan.

Den här övningen är en del av kursen

Maskinöversättning med Keras

Visa kurs

Övningsinstruktioner

Definiera ett RepeatVector-lager som upprepar indata 6 gånger.
Definiera en Model som tar indatalagret och producerar repeat vector-utdatan.
Definiera ett numpy-arrayobjekt med datan [[0,1], [2,3]].
Prediktera modellens utdata genom att skicka in x som indata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

from tensorflow.keras.layers import Input, RepeatVector
from tensorflow.keras.models import Model
import numpy as np

inp = Input(shape=(2,))
# Define a RepeatVector that repeats the input 6 times
rep = ____(____)(inp)
# Define a model
model = ____(____=____, ____=____)
# Define input x
x = ____.____([____,____])
# Get model prediction y
y = ____.____(____)
print('x.shape = ',x.shape,'\ny.shape = ',y.shape)

Redigera och kör kod