Del 1: Förstå GRU-modeller
Visste du att dessa modeller kan komma ihåg upp till tusentals tidssteg, jämfört med vanliga återkopplade neurala nätverk som oftast klarar av färre än hundra tidssteg? Att förstå GRU-modeller är avgörande för att kunna använda dem effektivt vid implementering av maskinöversättningsmodeller.
I den här övningen implementerar du en enkel modell med ett indatalager och ett GRU-lager. Du använder sedan modellen för att generera utdatavärden från en slumpmässig indatamatris.
Låt dig inte avskräckas av att du arbetar med slumpmässiga data. Syftet med övningen är att förstå formen på de utdata som GRU-lagret producerar. I senare kapitel matar du in riktiga meningar i GRU-lager för att utföra översättning.
Den här övningen är en del av kursen
Maskinöversättning med Keras
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
import tensorflow.keras as keras
import numpy as np
# Define an input layer
inp = keras.layers.____(____=(____))