tf.keras.layers.GRUCell

Класс ячейки для слоя GRU.

Наследуется от: Layer, Operation

tf.keras.layers.GRUCell(
    units,
    activation='tanh',
    recurrent_activation='sigmoid',
    use_bias=True,
    kernel_initializer='glorot_uniform',
    recurrent_initializer='orthogonal',
    bias_initializer='zeros',
    kernel_regularizer=None,
    recurrent_regularizer=None,
    bias_regularizer=None,
    kernel_constraint=None,
    recurrent_constraint=None,
    bias_constraint=None,
    dropout=0.0,
    recurrent_dropout=0.0,
    reset_after=True,
    seed=None,
    **kwargs
)

Этот класс обрабатывает один шаг в рамках всего входного временного ряда, тогда как keras.layer.GRU обрабатывает весь ряд.

Аргументы
`units`	Положительное целое число, размерность выходного пространства.
`activation`	Функция активации для использования. По умолчанию: гиперболический тангенс (`tanh`). Если вы передадите None, активация не применяется (т.е. применяется линейная активация: `a(x) = x`).
`recurrent_activation`	Функция активации для использования на рекуррентном шаге. По умолчанию: сигмоида (`sigmoid`). Если вы передадите `None`, активация не применяется (т.е. применяется линейная активация: `a(x) = x`).
`use_bias`	Логическое значение (по умолчанию `True`), указывает, следует ли слою использовать вектор смещения.
`kernel_initializer`	Инициализатор матрицы весов `kernel`, используемой для линейного преобразования входных данных. По умолчанию: `"glorot_uniform"`.
`recurrent_initializer`	Инициализатор матрицы весов `recurrent_kernel`, используемой для линейного преобразования рекуррентного состояния. По умолчанию: `"orthogonal"`.
`bias_initializer`	Инициализатор вектора смещения. По умолчанию: `"zeros"`.
`kernel_regularizer`	Функция регуляризации, применяемая к матрице весов `kernel`. По умолчанию: `None`.
`recurrent_regularizer`	Функция регуляризации, применяемая к матрице весов `recurrent_kernel`. По умолчанию: `None`.
`bias_regularizer`	Функция регуляризации, применяемая к вектору смещения. По умолчанию: `None`.
`kernel_constraint`	Функция ограничения, применяемая к матрице весов `kernel`. По умолчанию: `None`.
`recurrent_constraint`	Функция ограничения, применяемая к матрице весов `recurrent_kernel`. По умолчанию: `None`.
`bias_constraint`	Функция ограничения, применяемая к вектору смещения. По умолчанию: `None`.
`dropout`	Вещественное число от 0 до 1. Доля единиц для отбрасывания при линейном преобразовании входных данных. По умолчанию: 0.
`recurrent_dropout`	Вещественное число от 0 до 1. Доля единиц для отбрасывания при линейном преобразовании рекуррентного состояния. По умолчанию: 0.
`reset_after`	Конвенция GRU (применять ли шлюз сброса после или до матричного умножения). False = "перед", True = "после" (по умолчанию и совместимо с cuDNN).
`seed`	Случайное зерно для отбрасывания.

Аргументы вызова
`inputs`	Двумерный тензор, со следующей формой `(batch, features)`.
`states`	Двумерный тензор со формой `(batch, units)`, который представляет состояние с предыдущего шага.
`training`	Логическое значение Python, указывающее, должен ли слой вести себя в режиме обучения или в режиме вывода. Актуально только когда используется `dropout` или `recurrent_dropout`.

Пример:

inputs = np.random.random((32, 10, 8))
rnn = keras.layers.RNN(keras.layers.GRUCell(4))
output = rnn(inputs)
output.shape
(32, 4)
rnn = keras.layers.RNN(
   keras.layers.GRUCell(4),
   return_sequences=True,
   return_state=True)
whole_sequence_output, final_state = rnn(inputs)
whole_sequence_output.shape
(32, 10, 4)
final_state.shape
(32, 4)

Атрибуты
`input`	Получает входной тензор(ы) символической операции. Возвращает только тензор(ы), соответствующие первому вызову операции.
`output`	Получает выходной тензор(ы) слоя. Возвращает только тензор(ы), соответствующие первому вызову операции.

Методы

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт слой из его конфигурации.

Этот метод является обратным к методу get_config, позволяющему восстановить тот же слой из словаря конфигурации. Он не обрабатывает соединение слоёв (обрабатывается сетью), а также веса (обрабатываются методом set_weights).

Аргументы
`config`	Словарь Python, обычно результат метода get_config.

Возвращаемое значение
Экземпляр слоя.

`get_dropout_mask`

Просмотреть исходный код

get_dropout_mask(
    step_input
)

`get_initial_state`

Просмотреть исходный код

get_initial_state(
    batch_size=None
)

`get_recurrent_dropout_mask`

Просмотреть исходный код

get_recurrent_dropout_mask(
    step_input
)

`reset_dropout_mask`

Просмотреть исходный код

Сбрасывает кэшированный маску отбрасывания, если таковая имеется.

Слой RNN вызывает этот метод в методе call(), чтобы очистить кэшированную маску после вызова метода cell.call(). Маска должна кэшироваться на всех шагах времени в рамках одной партии, но не должна кэшироваться между партиями.

`reset_recurrent_dropout_mask`

Просмотреть исходный код

reset_recurrent_dropout_mask()

`symbolic_call`

Просмотреть исходный код

symbolic_call(
    *args, **kwargs
)

© 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/keras/layers/GRUCell