在前幾天的內容中，我們講完了一般RNN以及改良後的LSTM運作原理以及實作了，各位讀者是不是對於運作方式以及如何使用有更近一步的了解了呢？

今天我們要來介紹更加進化的另一種RNN模型—GRU（Gated Recurrent Unit），LSTM雖然改善了一般RNN長期記憶的問題，但是缺點就是執行的速度比較慢，而今天要介紹的GRU就改善了這個問題，GRU不但加快了執行速度還減少了記憶體的使用，接下來我們就來看看GRU做了哪些改良吧！

GRU與LSTM最大的不同就是GRU將LSTM中的forget gate（遺忘閥）以及input gate（輸入閥）合併成一個新的閥—update gate（更新閥）。Update gate合併了先前forget gate以及input gate兩階段的運算（以sigmoid激勵函式運算前一階段記憶以及現在時段輸入），變成只需要運算一次就能像forget gate輸出遺忘資料以及再次套用tanh激勵函式去做原先input gate的運算。

簡單來說GRU就是減化了LSTM的運算步驟，讓GRU能夠達到比LSTM運算時間更短、記憶體使用更少，最終獲得更好的結果。