tf.compat.v1.nn.static_rnn

Создаёт рекуррентную нейронную сеть, заданную RNNCell cell. (устарело)

tf.compat.v1.nn.static_rnn(
    cell,
    inputs,
    initial_state=None,
    dtype=None,
    sequence_length=None,
    scope=None
)

Простейшая форма сгенерированной RNN-сети:

state = cell.zero_state(...)
outputs = []
for input_ in inputs:
  output, state = cell(input_, state)
  outputs.append(output)
return (outputs, state)

Однако доступны и другие варианты:

Можно предоставить начальное состояние. Если предоставлен вектор sequence_length, выполняется динамический вычисление. Этот метод вычисления не выполняет шаги RNN, которые проходят за максимальной длиной последовательности мини-пакета (что экономит вычислительное время), и правильно распространяет состояние в длине последовательности примера в итоговое выходное состояние.

Выполняемое динамическое вычисление в момент времени t для строки пакета b,

(output, state)(b, t) =
  (t >= sequence_length(b))
    ? (zeros(cell.output_size), states(b, sequence_length(b) - 1))
    : cell(input(b, t), state(b, t - 1))

Аргументы
`cell`	Экземпляр RNNCell.
`inputs`	Список длинной T входных данных, каждый из которых является `Tensor` формы `[batch_size, input_size]`, или вложенная кортеж таких элементов.
`initial_state`	(необязательно) Начальное состояние для RNN. Если `cell.state_size` является целым числом, это должен быть `Tensor` соответствующего типа и формы `[batch_size, cell.state_size]`. Если `cell.state_size` является кортежем, это должен быть кортеж тензоров с формами `[batch_size, s] for s in cell.state_size`.
`dtype`	(необязательно) Тип данных для начального состояния и ожидаемого вывода. Требуется, если initial_state не предоставлен или состояние RNN имеет разнородный тип данных.
`sequence_length`	Указывает длину каждой последовательности во входных данных. Вектор int32 или int64 (тензор) размером `[batch_size]`, значения в `[0, T)`.
`scope`	VariableScope для созданного подграфа; по умолчанию «rnn».

Возвращает
Пара (outputs, state), где: outputs — список длиной T выводов (по одному для каждого входа), или вложенный кортеж таких элементов. state — конечное состояние

Исключения
`TypeError`	Если `cell` не является экземпляром RNNCell.
`ValueError`	Если `inputs` является `None` или пустым списком, или если глубина ввода (размер столбца) не может быть определена из входов с помощью вывода формы.

© 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/static_rnn