ส่วนที่ 1: ทำความเข้าใจโมเดล GRU
รู้หรือไม่ว่าโมเดลเหล่านี้สามารถจดจำได้ถึงหลักพัน time steps เลยทีเดียว เมื่อเทียบกับ recurrent neural network แบบมาตรฐานที่มักจดจำได้ไม่ถึงร้อย time steps การทำความเข้าใจโมเดล GRU จึงเป็นสิ่งสำคัญในการนำไปใช้สร้างโมเดลแปลภาษาได้อย่างมีประสิทธิภาพ
ในแบบฝึกหัดนี้ จะได้สร้างโมเดลอย่างง่ายที่ประกอบด้วย input layer และ GRU layer จากนั้นใช้โมเดลนั้นเพื่อสร้างค่าผลลัพธ์จาก input array แบบสุ่ม
อย่าท้อถ้อยที่ต้องใช้ข้อมูลแบบสุ่ม เพราะจุดประสงค์ของแบบฝึกหัดนี้คือการทำความเข้าใจรูปร่าง (shape) ของผลลัพธ์ที่ GRU layer สร้างขึ้น ในบทถัดไปจะได้ป้อนประโยคจริงเข้า GRU layer เพื่อทำการแปลภาษา
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Translation ด้วย Keras
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
import tensorflow.keras as keras
import numpy as np
# Define an input layer
inp = keras.layers.____(____=(____))