Misi: peta fitur CNN dan kalimat lewat RNN

Dua potongan jaringan kecil dijalankan maju tanpa pustaka deep learning, dengan bobot karangan. Pertama, lapisan konvolusi dengan kernel pendeteksi tepi tegak (kolom kiri +1, kolom kanan −1) diikuti ReLU dan max pooling 2 × 2 pada citra 6 × 6; fungsi konv2d tanpa padding dan stride 1 sudah disediakan. Kedua, RNN membaca kalimat kata demi kata: setiap kata diubah menjadi vektor lewat tabel embedding, yaitu dengan mengambil baris tabel yang sesuai nomor katanya, lalu status tersembunyinya diperbarui satu langkah per kata.