GRU神经网络
先占坑，以后补成自己的理解。其实我觉得，只要理解了LSTM，GRU很好理解，只是变了一下内部结构。
GRU是什么
GRU即Gated Recurrent Unit。前面说到为了克服RNN无法很好处理远距离依赖而提出了LSTM，而GRU则是LSTM的一个变体，当然LSTM还有有很多其他的变体。GRU保持了LSTM的效果同时又使结构更加简单，所以它也非常流行。
GRU模型
回顾一下LSTM的模型，LSTM的重复网络模块的结构很复杂，它实现了三个门计算，即遗忘门、输入门和输出门。
而GRU模型如下，它只有两个门了，分别为更新门和重置门，即图中的ztzt和rtrt。更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多。重置门用于控制忽略前一时刻的状态信息的程度，重置门的值越小说明忽略得越多。
GRU向前传播
根据前面GRU模型图来一步步看他是怎么向前传播的，根据图不难得到以下式子：
其中[]表示两个向量相连接，*表示矩阵元素相乘。
GRU的训练
原文地址：
https://blog.****.net/wangyangzhizhou/article/details/77332582