CudnnRNNCanonicalToParams

CudnnRNN params কে ক্যানোনিকাল ফর্ম থেকে ব্যবহারযোগ্য ফর্মে রূপান্তর করে। এটি LSTM এ অভিক্ষেপ সমর্থন করে।

অস্বচ্ছ প্যারামস বাফারে ওজনের একটি সেট লেখে যাতে সেগুলি আসন্ন প্রশিক্ষণ বা অনুমানে ব্যবহার করা যেতে পারে।

মনে রাখবেন যে প্যারামস বাফার বিভিন্ন GPU তে সামঞ্জস্যপূর্ণ নাও হতে পারে। সুতরাং যেকোন সংরক্ষণ এবং পুনরুদ্ধারকে ক্যানোনিকাল ওজন এবং পক্ষপাত থেকে রূপান্তরিত করা উচিত।

num_layers: RNN মডেলে স্তরের সংখ্যা নির্দিষ্ট করে। num_units: লুকানো অবস্থার আকার নির্দিষ্ট করে। input_size: ইনপুট অবস্থার আকার নির্দিষ্ট করে। ওজন: ওজনের ক্যানোনিকাল ফর্ম যা সংরক্ষণ এবং পুনরুদ্ধারের জন্য ব্যবহার করা যেতে পারে। তারা বিভিন্ন প্রজন্ম জুড়ে সামঞ্জস্যপূর্ণ হওয়ার সম্ভাবনা বেশি। পক্ষপাত: পক্ষপাতের ক্যানোনিকাল ফর্ম যা সংরক্ষণ এবং পুনরুদ্ধারের জন্য ব্যবহার করা যেতে পারে। তারা বিভিন্ন প্রজন্ম জুড়ে সামঞ্জস্যপূর্ণ হওয়ার সম্ভাবনা বেশি। num_params_weights: সমস্ত স্তরের জন্য ওজন প্যারামিটার ম্যাট্রিক্সের সংখ্যা। num_params_biases: সমস্ত স্তরের জন্য বায়াস প্যারামিটার ভেক্টরের সংখ্যা। rnn_mode: RNN মডেলের ধরন নির্দেশ করে। input_mode: প্রথম স্তরের আগে ইনপুট এবং প্রকৃত গণনার মধ্যে একটি রৈখিক অভিক্ষেপ আছে কিনা তা নির্দেশ করুন। 'skip_input' শুধুমাত্র তখনই অনুমোদিত যখন input_size == num_units; 'স্বয়ংক্রিয়_নির্বাচন' বোঝায় 'skip_input' যখন input_size == num_units; অন্যথায়, এটি 'লিনিয়ার_ইনপুট' বোঝায়। দিকনির্দেশ: একটি দ্বিমুখী মডেল ব্যবহার করা হবে কিনা তা নির্দেশ করে। dir = (নির্দেশ == দ্বিমুখী)? 2 : 1 ড্রপআউট: ড্রপআউট সম্ভাবনা। 0 এ সেট করা হলে, ড্রপআউট অক্ষম করা হয়। বীজ: ড্রপআউট শুরু করার জন্য একটি বীজের 1ম অংশ। বীজ 2: ড্রপআউট শুরু করার জন্য একটি বীজের 2য় অংশ। num_proj: প্রজেকশন ম্যাট্রিক্সের জন্য আউটপুট মাত্রা। যদি কোনটি না বা 0, কোন অভিক্ষেপ সঞ্চালিত হয় না।