# 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： ```py model.add(GRU(units=4, input_shape=(X_train.shape[1], X_train.shape[2]))) ``` 模型结构如下： ```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 ``` 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： ```py Train Score: 31.49 RMSE Test Score: 92.75 RMSE ```