Một RNN được hỗ trợ bởi cuDNN.
Tính toán RNN từ trạng thái đầu vào và trạng thái ban đầu, liên quan đến bộ đệm thông số. Chấp nhận thêm một đầu vào "sequence_lengths" so với CudnnRNN.
rnn_mode: Cho biết loại mô hình RNN. input_mode: Cho biết liệu có phép chiếu tuyến tính giữa đầu vào và tính toán thực tế trước lớp đầu tiên hay không. 'skip_input' chỉ được phép khi input_size == num_units; 'auto_select' ngụ ý 'skip_input' khi input_size == num_units; mặt khác, nó ngụ ý 'tuyến tính_input'. hướng: Cho biết liệu mô hình hai chiều có được sử dụng hay không. Nên là "một chiều" hoặc "hai chiều". bỏ học: Xác suất bỏ học. Khi được đặt thành 0., tính năng bỏ học bị vô hiệu hóa. hạt giống: Phần đầu tiên của hạt giống để khởi tạo việc bỏ học. Seed2: Phần thứ 2 của hạt giống để khởi tạo dropout. đầu vào: Nếu time_major là đúng thì đây là tensor 3-D có hình dạng [seq_length, batch_size, input_size]. Nếu time_major sai thì hình dạng là [batch_size, seq_length, input_size]. input_h: Nếu time_major là đúng thì đây là tensor 3-D có hình dạng [num_layer * dir, batch_size, num_units]. Nếu time_major sai thì hình dạng là [batch_size, num_layer * dir, num_units]. input_c: Đối với LSTM, một tensor 3-D có hình dạng [num_layer * dir, batch, num_units]. Đối với các mô hình khác, nó bị bỏ qua. params: Tenxor 1-D chứa trọng số và độ lệch trong một bố cục mờ. Kích thước phải được tạo thông qua CudnnRNNParamsSize và được khởi tạo riêng. Lưu ý rằng chúng có thể không tương thích giữa các thế hệ khác nhau. Vì vậy, bạn nên lưu và khôi phục Sequ_lengths: một vectơ có độ dài của mỗi chuỗi đầu vào. đầu ra: Nếu time_major là đúng thì đây là tensor 3-D có hình dạng [seq_length, batch_size, dir * num_units]. Nếu time_major sai thì hình dạng là [batch_size, seq_length, dir * num_units]. đầu ra_h: Hình dạng tương tự có đầu vào_h. đầu ra_c: Hình dạng tương tự như đầu vào_c cho LSTM. Một tensor trống cho các mô hình khác. is_training: Cho biết thao tác này được sử dụng để suy luận hay huấn luyện. time_major: Cho biết định dạng đầu vào/đầu ra là thời gian chính hay theo đợt. Reserve_space: Một tensor mờ có thể được sử dụng trong tính toán backprop. Nó chỉ được tạo ra nếu is_training là đúng.
Các lớp lồng nhau
| lớp học | CudnnRNN.Options | Thuộc tính tùy chọn cho CudnnRNN | |
Hằng số
| Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow |
Phương pháp công khai
| tĩnh <T mở rộng TNumber > CudnnRNN <T> | tạo ( Phạm vi phạm vi, đầu vào Toán hạng <T>, Toán hạng <T> đầu vàoH, Toán tử <T> inputC, Thông số toán hạng <T>, Toán hạng < TInt32 > độ dài chuỗi, Tùy chọn... tùy chọn) Phương thức xuất xưởng để tạo một lớp bao bọc hoạt động CudnnRNN mới. |
| CudnnRNN.Options tĩnh | hướng (Hướng chuỗi) |
| CudnnRNN.Options tĩnh | bỏ học (Bỏ thả nổi) |
| Đầu ra <?> | |
| CudnnRNN.Options tĩnh | inputMode (Chế độ nhập chuỗi) |
| CudnnRNN.Options tĩnh | isTraining (Boolean isTraining) |
| CudnnRNN.Options tĩnh | numProj (numProj dài) |
| Đầu ra <T> | đầu ra () |
| Đầu ra <T> | đầu raC () |
| Đầu ra <T> | đầu raH () |
| Đầu ra <T> | |
| CudnnRNN.Options tĩnh | rnnMode (Chuỗi rnnMode) |
| CudnnRNN.Options tĩnh | hạt giống (Hạt dài) |
| CudnnRNN.Options tĩnh | hạt giống2 (Hạt dài2) |
| CudnnRNN.Options tĩnh | timeMajor (Boolean timeMajor) |
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
Phương pháp công khai
public static CudnnRNN <T> tạo ( Phạm vi phạm vi , đầu vào Toán hạng <T>, Toán hạng <T> inputH, Toán tử <T> inputC, Thông số Toán tử <T>, Toán hạng < TInt32 > độ dài chuỗi, Tùy chọn... tùy chọn)
Phương thức xuất xưởng để tạo một lớp bao bọc hoạt động CudnnRNN mới.
Thông số
| phạm vi | phạm vi hiện tại |
|---|---|
| tùy chọn | mang các giá trị thuộc tính tùy chọn |
Trả lại
- một phiên bản mới của CudnnRNN