tf.compat.v1.nn.bidirectional_dynamic_rnn

Создаёт динамическую версию двунаправленной рекуррентной нейронной сети. (устарело)

tf.compat.v1.nn.bidirectional_dynamic_rnn(
    cell_fw,
    cell_bw,
    inputs,
    sequence_length=None,
    initial_state_fw=None,
    initial_state_bw=None,
    dtype=None,
    parallel_iterations=None,
    swap_memory=False,
    time_major=False,
    scope=None
)

Принимает входные данные и строит независимые прямые и обратные RNN. Размер входных данных для прямого и обратного ячеек должен совпадать. Начальное состояние для обоих направлений по умолчанию равно нулю (но может быть задано необязательно), и промежуточные состояния никогда не возвращаются — сеть полностью развернута для заданной (переданной) длины(длин) последовательности(ей) или полностью развернута, если длина(ы) не задана(ы).

Аргументы
`cell_fw`	Экземпляр RNNCell, используемый для прямого направления.
`cell_bw`	Экземпляр RNNCell, используемый для обратного направления.
`inputs`	Входные данные RNN. Если time_major == False (по умолчанию), это должен быть тензор формы: `[batch_size, max_time, ...]` или вложенная кортеж таких элементов. Если time_major == True, это должен быть тензор формы: `[max_time, batch_size, ...]` или вложенная кортеж таких элементов.
`sequence_length`	(необязательно) Вектор int32/int64, размер `[batch_size]`, содержащий фактическую длину каждой последовательности в пакете. Если не предоставлено, предполагается, что все элементы пакета являются полными последовательностями; и обратный порядок времени применяется от времени `0` до `max_time` для каждой последовательности.
`initial_state_fw`	(необязательно) Начальное состояние для прямого RNN. Это должен быть тензор соответствующего типа и формы `[batch_size, cell_fw.state_size]`. Если `cell_fw.state_size` является кортежем, это должен быть кортеж тензоров с формами `[batch_size, s] for s in cell_fw.state_size`.
`initial_state_bw`	(необязательно) То же, что и для `initial_state_fw`, но с соответствующими свойствами `cell_bw`.
`dtype`	(необязательно) Тип данных для начальных состояний и ожидаемого вывода. Требуется, если начальные состояния не предоставлены или состояния RNN имеют разнородный тип данных.
`parallel_iterations`	(По умолчанию: 32). Количество итераций для параллельной работы. Операции, не имеющие временной зависимости и которые могут быть выполнены параллельно, будут. Этот параметр меняет время на место. Значения >> 1 используют больше памяти, но занимают меньше времени, в то время как меньшие значения используют меньше памяти, но вычисления занимают больше времени.
`swap_memory`	Прозрачно меняет местами тензоры, полученные в прямом выводе, но необходимые для обратного распространения из GPU в CPU. Это позволяет обучать RNN, которые обычно не помещаются на одном GPU, с очень небольшими (или без) потерями производительности.
`time_major`	Формат формы тензоров `inputs` и `outputs`. Если true, эти `Tensors` должны быть формы `[max_time, batch_size, depth]`. Если false, эти `Tensors` должны быть формы `[batch_size, max_time, depth]`. Использование `time_major = True` немного эффективнее, потому что это избегает транспонирования в начале и в конце вычисления RNN. Однако большинство данных TensorFlow являются пакетно-главными, поэтому по умолчанию эта функция принимает входные данные и выводит выходные данные в пакетно-главной форме.
`scope`	VariableScope для созданного подграфа; по умолчанию "bidirectional_rnn"

Возвращаемые значения

Возвращаемые значения
Кортеж (выходы, состояния_выхода), где: выходы: Кортеж (выход_прямой, выход_обратный), содержащий прямой и обратный выход rnn `Tensor`. Если time_major == False (по умолчанию), output_fw будет `Tensor` формы: `[batch_size, max_time, cell_fw.output_size]`, а output_bw будет `Tensor` формы: `[batch_size, max_time, cell_bw.output_size]`. Если time_major == True, output_fw будет `Tensor` формы: `[max_time, batch_size, cell_fw.output_size]`, а output_bw будет `Tensor` формы: `[max_time, batch_size, cell_bw.output_size]`. Он возвращает кортеж, а не один конкатенированный `Tensor`, в отличие от `bidirectional_rnn`. Если предпочтительнее конкатенированный, прямой и обратный выходы можно конкатенировать как `tf.concat(outputs, 2)`. состояния_выхода: Кортеж (состояние_выхода_прямой, состояние_выхода_обратное), содержащий конечные состояния прямого и обратного двунаправленного rnn.

Кортеж (выходы, состояния_выхода), где: выходы: Кортеж (выход_прямой, выход_обратный), содержащий прямой и обратный выход rnn Tensor. Если time_major == False (по умолчанию), output_fw будет Tensor формы: [batch_size, max_time, cell_fw.output_size], а output_bw будет Tensor формы: [batch_size, max_time, cell_bw.output_size]. Если time_major == True, output_fw будет Tensor формы: [max_time, batch_size, cell_fw.output_size], а output_bw будет Tensor формы: [max_time, batch_size, cell_bw.output_size]. Он возвращает кортеж, а не один конкатенированный Tensor, в отличие от bidirectional_rnn. Если предпочтительнее конкатенированный, прямой и обратный выходы можно конкатенировать как tf.concat(outputs, 2). состояния_выхода: Кортеж (состояние_выхода_прямой, состояние_выхода_обратное), содержащий конечные состояния прямого и обратного двунаправленного rnn.

Исключения
`TypeError`	Если `cell_fw` или `cell_bw` не является экземпляром `RNNCell`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/nn/bidirectional_dynamic_rnn