public struct GRUCell<Scalar> : RecurrentLayerCell where Scalar : TensorFlowFloatingPoint
תא GRU.
הַצהָרָה
public var updateKernel: Tensor<Scalar>
הַצהָרָה
public var updateRecurrentKernel: Tensor<Scalar>
הַצהָרָה
public var resetKernel: Tensor<Scalar>
הַצהָרָה
public var resetRecurrentKernel: Tensor<Scalar>
הַצהָרָה
public var outputKernel: Tensor<Scalar>
הַצהָרָה
public var outputRecurrentKernel: Tensor<Scalar>
הַצהָרָה
public var updateBias: Tensor<Scalar>
הַצהָרָה
public var updateRecurrentBias: Tensor<Scalar>
הַצהָרָה
public var resetBias: Tensor<Scalar>
הַצהָרָה
public var resetRecurrentBias: Tensor<Scalar>
הַצהָרָה
public var outputBias: Tensor<Scalar>
הַצהָרָה
public var outputRecurrentBias: Tensor<Scalar>
הַצהָרָה
@noDerivative public var stateShape: TensorShape { get }
הַצהָרָה
public typealias State = Tensor<Scalar>
הַצהָרָה
public typealias TimeStepInput = Tensor<Scalar>
הַצהָרָה
public typealias TimeStepOutput = State
הַצהָרָה
public typealias Input = RNNCellInput<TimeStepInput, State>
הַצהָרָה
public typealias Output = RNNCellOutput<TimeStepOutput, State>
יוצר
GRUCell
עם גודל הקלט שצוין וגודל המצב הנסתר.הַצהָרָה
public init( inputSize: Int, hiddenSize: Int, kernelInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )
פרמטרים
inputSize
מספר התכונות בטנסורי קלט דו-ממדיים.
hiddenSize
מספר התכונות במצבים נסתרים דו-ממדיים.