public struct GRUCell<Scalar> : RecurrentLayerCell where Scalar : TensorFlowFloatingPoint
یک سلول GRU
اعلامیه
public var updateKernel: Tensor<Scalar>
اعلامیه
public var updateRecurrentKernel: Tensor<Scalar>
اعلامیه
public var resetKernel: Tensor<Scalar>
اعلامیه
public var resetRecurrentKernel: Tensor<Scalar>
اعلامیه
public var outputKernel: Tensor<Scalar>
اعلامیه
public var outputRecurrentKernel: Tensor<Scalar>
اعلامیه
public var updateBias: Tensor<Scalar>
اعلامیه
public var updateRecurrentBias: Tensor<Scalar>
اعلامیه
public var resetBias: Tensor<Scalar>
اعلامیه
public var resetRecurrentBias: Tensor<Scalar>
اعلامیه
public var outputBias: Tensor<Scalar>
اعلامیه
public var outputRecurrentBias: Tensor<Scalar>
اعلامیه
@noDerivative public var stateShape: TensorShape { get }
اعلامیه
public typealias State = Tensor<Scalar>
اعلامیه
public typealias TimeStepInput = Tensor<Scalar>
اعلامیه
public typealias TimeStepOutput = State
اعلامیه
public typealias Input = RNNCellInput<TimeStepInput, State>
اعلامیه
public typealias Output = RNNCellOutput<TimeStepOutput, State>
یک
GRUCell
با اندازه ورودی مشخص شده و اندازه حالت پنهان ایجاد می کند.اعلامیه
public init( inputSize: Int, hiddenSize: Int, kernelInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
پارامترها
inputSize
تعداد ویژگی ها در تانسورهای ورودی دوبعدی.
hiddenSize
تعداد ویژگی ها در حالت های پنهان دو بعدی.