之前帶大家一起使用Keras訓(xùn)練了一個(gè)GRU模型，并使用mnist的手寫字體數(shù)據(jù)集進(jìn)行了驗(yàn)證。本期小編將繼續(xù)帶來(lái)一篇擴(kuò)展，即GRU模型的測(cè)試方法。盡管我們將其當(dāng)作和CNN類似的方式，一次性傳給他固定長(zhǎng)度的數(shù)據(jù)，但在具體實(shí)現(xiàn)上來(lái)說(shuō)，還是另有門道的。讓我們慢慢講來(lái)。

首先回顧前面我們最終訓(xùn)練并導(dǎo)出的測(cè)試模型：

注意紅色標(biāo)注的位置，這就是一個(gè)典型的GRU節(jié)點(diǎn)：

模型的輸入是28*28，代表的含義是：時(shí)間步*特征維度，簡(jiǎn)單來(lái)說(shuō)，就是一次性送入模型多久的數(shù)據(jù)，即時(shí)間步實(shí)際上是一個(gè)時(shí)間單位。例如，我們想測(cè)試1s的數(shù)據(jù)進(jìn)行檢測(cè)。那么可以將其提取出來(lái)10*28的特征向量，那么每一個(gè)特征代表的就是1s/10即100ms的音頻特征。了解了時(shí)間步，再回到模型本身，這里就是其中一種模型推理形式。即一次性將所有的數(shù)據(jù)都送進(jìn)去，即1s對(duì)應(yīng)的特征數(shù)據(jù)。然后計(jì)算得出一個(gè)結(jié)果。好處是：所見(jiàn)所得，和CNN類似，缺點(diǎn)是：必須等待1s數(shù)據(jù)，且循環(huán)time_step次。

那有沒(méi)有替代方案呢？當(dāng)然，那就是小編要提到的另一種，我們?cè)趯?dǎo)出模型時(shí)候?qū)ime_step設(shè)置為1，并且設(shè)置stateful=True，同時(shí)將time_step=N的模型權(quán)重設(shè)置到新模型上。這里的stateful=True要注意，因?yàn)槲覀儗⒅斑B續(xù)的time_step拆成了獨(dú)立的，因此需要讓模型記住前一次的中間狀態(tài)。

可能這里大家有些疑問(wèn)，為什么兩個(gè)模型time_step不同，權(quán)重竟然通用。這就要說(shuō)GRU模型的特殊性了，我們剛才看到的被展開(kāi)的小GRU節(jié)點(diǎn)，其實(shí)是權(quán)重共享的。也就是說(shuō)，不管展開(kāi)多少次，他們的權(quán)重不會(huì)變（這個(gè)讀者可以打開(kāi)模型自行查看驗(yàn)證）。因此，就可以用如下代碼生成新模型，并設(shè)置權(quán)重：

讓我們看看模型的樣子：

是不是看起來(lái)非常清爽，請(qǐng)注意右下角那個(gè)AssignVariable，這個(gè)就是為了保存當(dāng)前狀態(tài)，在下一次推理可以直接使用上一次的狀態(tài)。需要注意的是，由于模型輸入變成了一個(gè)time step，即1*28，在送入模型前，要注意一下。后續(xù)處理部分，依舊是FullyConnected+Softmax的形式，其他沒(méi)有改變，照常即可。

至此，所有關(guān)于GRU模型的介紹以及使用就全部講完了。MCU端的部署要靠大家自行體驗(yàn)了，因?yàn)槟Ｐ捅旧韺?shí)際上可以使用和CNN一樣的推理方案，只是內(nèi)部結(jié)構(gòu)不同而已，希望對(duì)大家有所幫助！

恩智浦致力于打造安全的連接和基礎(chǔ)設(shè)施解決方案，為智慧生活保駕護(hù)航。