(简答题) 简述GRU模型的架构，举例说明如何使用GRU。

GRU（Gated Recurrent Unit）是一种循环神经网络（RNN）的变体，它在序列建模中取得了很好的效果。与传统的RNN相比，GRU通过引入门控机制来控制信息的流动，从而更好地捕捉长期依赖关系。

GRU模型的架构类似于LSTM（Long Short-Term Memory）模型，但是它只有两个门控单元：重置门（reset gate）和更新门（update gate）。其中，重置门控制了前一个状态中保留多少信息用于当前状态的计算，而更新门则控制了前一个状态和当前状态之间的信息流。

下面是一个使用GRU模型进行文本分类的示例：

首先，我们将输入的文本转换为向量表示。然后，我们将这些向量输入到GRU模型中进行训练。在训练过程中，模型会根据每个时间步的输入和前一个时间步的状态来计算当前时间步的输出和状态。最后，我们将最终的状态传递给一个全连接层来进行分类。