定义解码器
在本练习中，您将实现解码器，并定义一个从编码器输入到解码器 GRU 输出的端到端模型。解码器与编码器使用相同的模型结构，但输入和传入的状态与编码器不同。例如，解码器既将编码器产生的上下文向量作为输入，也将其作为解码器的初始状态。请记住，我们用前缀 en（如 en_gru）表示与编码器相关的对象，用 de 表示与解码器相关的对象（如 de_gru）。
要实现解码器，您将使用 RepeatVector 和 GRU 层。
本练习已为您提供编码器模型以及您之前已经实现的各个编码器层。例如，编码器输入以 en_inputs 提供，上下文向量以 en_state 提供。另请注意，GRU 和 Model 对象已经导入。
本练习是课程的一部分
使用 Keras 的机器翻译
练习说明
- 定义一个
RepeatVector层，以en_state为输入，并将其重复fr_len次。 - 定义一个 GRU 层
decoder_gru，其隐藏单元数等于hsize，并返回所有时间步产生的输出。 - 将
de_inputs作为输入、将en_state作为解码器的初始状态，获取decoder_gru层的输出。 - 定义一个模型，以
en_inputs作为输入、以gru_outputs作为输出。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from tensorflow.keras.layers import RepeatVector
hsize = 48
fr_len = 20
# Define a RepeatVector layer
de_inputs = ____(____)(____)
# Define a GRU model that returns all outputs
decoder_gru = ____(____, ____=____)
# Get the outputs of the decoder
gru_outputs = ____(____, initial_state=____)
# Define a model with the correct inputs and outputs
enc_dec = ____(inputs=____, outputs=____)
enc_dec.summary()