前置知识：RNN，LSTM
LSTM需要训练的参数很多，极消耗计算资源。GRU是一种LSTM的改进算法，参数更少，更容易训练。
它将忘记门和输入门合并成为一个单一的更新门，同时合并了数据单元状态和隐藏状态，使得模型结构比之于LSTM更为简单。
结构
GRU的整体结构图与RNN没有区别
reset重置门
rt就是重置门，得到rt后，将rt与上一时刻传入的ht-1进行点乘，得到重置之后的数据，并与xt进行拼接。
h'包含了输入信息xt，经过选择后的上一时刻的信息h't-1，
update更新门
-
z*ht-1：表示对隐藏状态选择性的遗忘；
-
(1-z)*h'：表示对包含当前节点信息的h'选择性的记忆
