閘控循環單元 是什麼？
Gated Recurrent Unit — 閘控循環單元 的完整解釋
閘控循環單元（GRU）是一種循環神經網路（RNN）的變體，旨在解決傳統RNN的梯度消失問題，更有效地捕捉長期依賴關係。
容易混淆
GRU vs 循環神經網路 傳統 RNN 沒有那麼精細的記憶控制。 GRU 透過閘門機制，讓資訊流動更有選擇性。
GRU vs 長短期記憶網路 兩者都在處理長期依賴。 GRU 結構通常更簡單，LSTM 結構較完整。
記住這句就好
有閘門、會選擇性記憶，就是 GRU。
實際案例
語音辨識 聲音訊號一段接一段進來，GRU 能把前後關係接起來看。
時間序列預測 股票、流量或感測資料有前後文時，GRU 常比普通 RNN 穩定。
算法與應用
GRU 主要有更新閘和重置閘，前者決定保留多少舊資訊，後者決定忽略多少過去狀態。 它常用在自然語言處理、語音、預測和序列分類，特別是想兼顧效果與簡潔時。
情境判斷
Q1：如果任務需要記住前後文，GRU 會比普通 RNN 更有機會表現好嗎？ → 會，因為它對記憶有控制機制。
Q2：如果你有更長的序列和更複雜的依賴，GRU 一定勝過 LSTM 嗎？ → 不一定，哪個更好要看資料和任務，兩者各有優勢。
相關術語
常見問題
GRU 只適合文字嗎？
不只，任何序列資料都可能用到。
GRU 比 LSTM 更快嗎？
常常是，因為結構較簡單，但實際還是看實作和硬體。
GRU 和注意力機制可以一起用嗎？
可以，很多現代架構會混搭。
為什麼它能改善梯度消失？
因為閘門機制讓重要資訊更容易保留，學習長依賴時比較穩。