Частина 1: Розуміння моделей GRU
Чи знали ви, що ці моделі можуть «пам'ятати» навіть тисячі кроків у часі, тоді як звичайні рекурентні нейронні мережі здатні зазвичай утримувати менше ніж сотню? Розуміння моделей GRU є критично важливим, щоб ефективно використовувати їх для реалізації моделей машинного перекладу.
У цій вправі ви створите просту модель з вхідним шаром і шаром GRU. Потім ви використаєте модель, щоб отримати вихідні значення для випадкового вхідного масиву.
Не засмучуйтеся, що ви працюєте з випадковими даними. Мета цієї вправи — зрозуміти форму виходів, які повертає шар GRU. У наступних розділах ви подаватимете до шарів GRU реальні речення, щоб виконувати переклад.
Ця вправа є частиною курсу
Machine Translation з Keras
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
import tensorflow.keras as keras
import numpy as np
# Define an input layer
inp = keras.layers.____(____=(____))