Note

모델 설계 임베딩 벡터 차원 : 10 은닉 상태의 크기 : 32 해당 모델은 마지막 시점에서 모든 가능한 단어 중 하나의 단어를 예측하는 다중 클래스 분류 문제를 수행하는 모델 따라서 다중 클래스 분류 문제는 활성화 함수로 소프트맥스 함수를 사용한다. 손실 함수는 크로스 엔트로피 함수 사용. from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Embedding, Dense, SimpleRNN embedding_dim = 10 hidden_units = 32 model = Sequential() model.add(Embedding(vocab_size, embedding_dim)) model.add(SimpleR..

GRU는 LSTM의 장기 의존성 문제에 대한 해결책을 유지하면서, 은닉 상태를 업데이트하는 계산을 줄였습니다. GRU는 성능은 LSTM과 유사하면서 복잡했던 LSTM의 구조를 단순화 했다.