ทำความเข้าใจผลลัพธ์ของ sequential model
ในแบบฝึกหัดนี้ คุณจะได้เรียนรู้การใช้เลเยอร์ keras.layers.GRU ซึ่งห่อหุ้มการทำงานของ GRU ไว้ในออบเจกต์ Layer ได้อย่างสะดวก
เราจะสำรวจว่าผลลัพธ์ของเลเยอร์ GRU มีรูปร่าง (shape) อย่างไร และรูปร่างนั้นเปลี่ยนแปลงอย่างไรเมื่อระบุอาร์กิวเมนต์ต่างกัน ในการใช้งานจริงนั้น เราแทบไม่ค่อยได้ดูค่าเวกเตอร์ตัวเลขที่ GRU สร้างขึ้นโดยตรง แต่หากต้องการนำเลเยอร์เหล่านี้ไปใช้ในโมเดลที่ซับซ้อนขึ้น จำเป็นต้องเข้าใจรูปร่างของผลลัพธ์และวิธีกำหนดผลลัพธ์ที่ต้องการผ่านอาร์กิวเมนต์ต่าง ๆ ให้ดีเสียก่อน
ในแบบฝึกหัดนี้ได้โหลด keras และ numpy (ในชื่อ np) ไว้ให้แล้ว สามารถเรียกใช้เลเยอร์ได้ผ่าน keras.layers.<Layer> และเรียกใช้โมเดลได้ผ่าน keras.models.Model
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Translation ด้วย Keras
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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.____)