or
本練習屬於課程
本章將帶你學習循環神經網路（RNN）的基礎。從先備知識開始，接著理解資訊如何在網路中流動，最後在情緒分類任務中，示範如何用 Keras 實作這類模型。
你將學到 RNN 中常見的梯度消失與梯度爆炸問題，以及如何透過 GRU 與 LSTM 單元來因應。 此外，你會為語言模型建立 embedding 層，並再次回顧情緒分類任務。
當前練習
接著在本章中，你將學會如何為多類別分類任務準備資料，並了解多類別分類與二元分類（情緒分析）之間的差異。最後，你會學到如何在 Keras 中建立模型並評估其效能。
本章將介紹兩種 RNN 模型的應用：文字生成與神經機器翻譯。你會學到如何將文字資料整理成模型所需的格式。 文字生成模型可用來重現特定角色的說話風格，這裡我們會有點樂趣，模仿《宅男行不行》裡的 Sheldon。 神經機器翻譯被應用在更複雜的模型中，例如 Google 翻譯。在本章中，你將建立一個把短句葡萄牙文翻譯成英文的模型。