# 使用 Keras 的 GRU 使用 TensorFlow 和 Keras 的一個優點是它們可以輕松創建模型。與 LSTM 一樣，創建 GRU 模型只需添加 GRU 層而不是 LSTM 或 SimpleRNN 層，如下所示： ```py model.add(GRU(units=4, input_shape=(X_train.shape[1], X_train.shape[2]))) ``` 模型結構如下： ```py 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 ``` 筆記本 `ch-07b_RNN_TimeSeries_Keras`中提供了 GRU 模型的完整代碼。 正如預期的那樣，GRU 模型顯示出與 LSTM 幾乎相同的表現，我們讓您嘗試使用不同的超參數值來優化此模型： ```py Train Score: 31.49 RMSE Test Score: 92.75 RMSE ```