使用 Keras 的 GRU
使用 TensorFlow 和 Keras 的一个优点是它们可以轻松创建模型。与 LSTM 一样,创建 GRU 模型只需添加 GRU 层而不是 LSTM 或 SimpleRNN 层,如下所示:
model.add(GRU(units=4, input_shape=(X_train.shape[1], X_train.shape[2])))
模型结构如下:
Layer (type) Output Shape Param #
=================================================================
gru_1 (GRU) (None, 4) 72
_________________________________________________________________
dense_1 (Dense) (None, 1) 5
=================================================================
Total params: 77
Trainable params: 77
Non-trainable params: 0
笔记本 ch-07b_RNN_TimeSeries_Keras
中提供了 GRU 模型的完整代码。
正如预期的那样,GRU 模型显示出与 LSTM 几乎相同的表现,我们让您尝试使用不同的超参数值来优化此模型:
Train Score: 31.49 RMSE
Test Score: 92.75 RMSE