GRU 单元优于 SimpleRNN
在本练习中，您将复现本课程第 1 章中的同一模型，并通过将 SimpleRNN 单元简单替换为 GRU 单元来比较模型的准确率。
该模型已经按照之前使用 SimpleRNN 单元的模型训练了 10 个 epoch。为了比较模型，测试集 (x_test, y_test) 已加载到环境中，旧模型 SimpleRNN_model 也已就绪。
本练习是课程的一部分
使用 Keras 构建语言建模的循环神经网络（RNN）
练习说明
- 导入
GRU单元。 - 打印两个模型的概要信息。
- 打印每个模型的准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the modules
from tensorflow.keras.layers import ____, Dense
# Print the old and new model summaries
SimpleRNN_model.____
gru_model.____
# Evaluate the models' performance (ignore the loss value)
_, acc_simpleRNN = SimpleRNN_model.evaluate(X_test, y_test, verbose=0)
_, acc_GRU = gru_model.evaluate(X_test, y_test, verbose=0)
# Print the results
print("SimpleRNN model's accuracy:\t{0}".format(____))
print("GRU model's accuracy:\t{0}".format(____))