第 2 部分：理解 GRU 模型
现在，您将了解如何让 Keras 模型接受任意大小的输入批次。能够接受任意大小的批次非常重要。例如，这使您可以只定义一个 Keras 模型，并在训练阶段尝试不同的批大小，而无需更改模型本身。
本练习中，已为您导入 keras 和 numpy（简称 np）。
本练习是课程的一部分
使用 Keras 的机器翻译
练习说明
- 定义一个输入层，可接受任意大小的批次，序列长度为 3，输入维度为 4。
- 定义一个具有 10 个隐藏单元的 GRU 层，接收上述输入并生成输出。
- 定义一个名为
model的 Model，以该输入层为输入，以 GRU 层的输出为输出。请记住，您可以使用keras.models.Model(<argument>=<value>)语法来定义模型。 - 对
x1和x2都进行模型输出预测。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define an input layer
inp = keras.layers.____(____=(____))
# Define a GRU layer that takes in the input
gru_out = keras.layers.____(____)(____)
# Define a model that outputs the GRU output
____ = keras.models.____(inputs=____, outputs=____)
x1 = np.random.normal(size=(2,3,4))
x2 = np.random.normal(size=(5,3,4))
# Get the output of the model and print the result
y1 = ____.____(____)
y2 = ____.____(____)
print("shape (y1) = ", y1.shape, " shape (y2) = ", y2.shape)