Förstå utdata från sekventiella modeller
I den här övningen får du lära dig att använda lagret keras.layers.GRU. keras.layers.GRU kapslar in GRU-funktionaliteten på ett smidigt sätt i ett Layer-objekt.
Du utforskar hur utdatans form ser ut från ett GRU-lager och hur den förändras beroende på vilka argument som anges. Det är ovanligt att i praktiken granska de numeriska vektorer som ett GRU producerar, men för att kunna använda dessa lager i mer komplexa modeller behöver du ha god förståelse för utdataformerna och hur du får önskat utdata med hjälp av olika argument.
Här finns keras och numpy (som np) redan inlästa. Du kan komma åt lager via keras.layers.<Layer> och modeller via keras.models.Model.
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.
# 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.____)