CudnnRNNBackprop

Stopień podparcia CudnnRNNV3.

Oblicz wsparcie zarówno danych, jak i wag w RNN. Pobiera dodatkowe dane wejściowe „sequence_lengths” niż CudnnRNNBackprop.

rnn_mode: Wskazuje typ modelu RNN. input_mode: Wskazuje, czy istnieje projekcja liniowa pomiędzy danymi wejściowymi a rzeczywistym obliczeniem przed pierwszą warstwą. „skip_input” jest dozwolone tylko wtedy, gdy input_size == num_units; „auto_select” oznacza „skip_input”, gdy input_size == liczba_jednostek; w przeciwnym razie oznacza to „wejście liniowe”. kierunek: wskazuje, czy będzie używany model dwukierunkowy. Powinien być „jednokierunkowy” lub „dwukierunkowy”. rezygnacja: prawdopodobieństwo rezygnacji. Po ustawieniu na 0, odrzucanie jest wyłączone. nasiono: Pierwsza część materiału siewnego inicjująca porzucenie. nasiono2: Druga część materiału siewnego inicjująca porzucenie. dane wejściowe: Jeśli time_major ma wartość true, jest to tensor 3-D o kształcie [długość_sekwencji, rozmiar_wsadu, rozmiar_wejściowy]. Jeśli time_major ma wartość false, kształt to [batch_size, seq_length, input_size]. input_h: Jeśli time_major ma wartość true, jest to tensor 3-D o kształcie [num_layer * dir,bat_size, num_units]. Jeśli time_major ma wartość false, kształt to [batch_size, num_layer * dir, num_units]. input_c: W przypadku LSTM: tensor 3-D o kształcie [num_layer * dir, wsad, liczba_jednostek]. W przypadku innych modeli jest on ignorowany. params: Tensor 1-D zawierający wagi i odchylenia w nieprzezroczystym układzie. Rozmiar należy utworzyć za pomocą CudnnRNNParamsSize i zainicjować osobno. Należy pamiętać, że mogą one nie być kompatybilne w przypadku różnych generacji. Dlatego dobrym pomysłem jest zapisanie i przywrócenie długości_sekwencji: wektora długości każdej sekwencji wejściowej. wynik: Jeśli wartość time_major ma wartość true, jest to tensor 3-D o kształcie [długość_sekwencji, rozmiar_partia, katalog * liczba_jednostek]. Jeśli time_major ma wartość false, kształt to [batch_size, seq_length, dir * liczba_jednostek]. wyjście_h: Ten sam kształt ma wejście_h. wyjście_c: Taki sam kształt jak wejście_c dla LSTM. Pusty tensor dla innych modeli. Output_backprop: Tensor 3-D o tym samym kształcie, co sygnał wyjściowy w przebiegu do przodu. Output_h_backprop: Tensor 3-D o tym samym kształcie co Output_h w przebiegu do przodu. Output_c_backprop: Tensor 3-D o tym samym kształcie co Output_c w przebiegu do przodu. time_major: Wskazuje, czy format wejścia/wyjścia jest formatem głównym czasowym, czy głównym formatem wsadowym. Reserve_space: Ta sama rezerwa_space utworzona w operacji forward. input_backprop: Podpórka do wprowadzenia w przejściu do przodu. Ma taki sam kształt jak wejście. input_h_backprop: Podpórka dla input_h w przejściu do przodu. Ma taki sam kształt jak input_h. input_c_backprop: Podpora dla input_c w przejściu do przodu. Ma taki sam kształt jak input_c. params_backprop: Podparcie bufora params w przebiegu do przodu. Ma taki sam kształt jak parametry.