tf.keras.layers.SimpleRNN

Полносвязная RNN, в которой выход подается обратно в качестве нового входа.

Наследует от: RNN, Layer, Operation

tf.keras.layers.SimpleRNN(
    units,
    activation='tanh',
    use_bias=True,
    kernel_initializer='glorot_uniform',
    recurrent_initializer='orthogonal',
    bias_initializer='zeros',
    kernel_regularizer=None,
    recurrent_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    recurrent_constraint=None,
    bias_constraint=None,
    dropout=0.0,
    recurrent_dropout=0.0,
    return_sequences=False,
    return_state=False,
    go_backwards=False,
    stateful=False,
    unroll=False,
    seed=None,
    **kwargs
)

Аргументы
`units`	Положительное целое число, размерность пространства выходных данных.
`activation`	Используемая функция активации. По умолчанию: гиперболический тангенс (`tanh`). Если передать None, активация не применяется (то есть используется «линейная» активация: `a(x) = x`).
`use_bias`	Логическое значение (по умолчанию `True`), указывающее, использует ли слой 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`.
`activity_regularizer`	Функция регуляризации, применяемая к выходу слоя (его «активации»). 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`	Число с плавающей запятой от 0 до 1. Доля элементов, исключаемых при линейном преобразовании входных данных. По умолчанию: 0.
`recurrent_dropout`	Число с плавающей запятой от 0 до 1. Доля элементов, исключаемых при линейном преобразовании рекуррентного состояния. По умолчанию: 0.
`return_sequences`	Логическое значение. Указывает, возвращать ли последний выход в последовательности выходных данных или всю последовательность. По умолчанию: `False`.
`return_state`	Логическое значение. Указывает, нужно ли возвращать последнее состояние вместе с выходными данными. По умолчанию: `False`.
`go_backwards`	Логическое значение (по умолчанию: `False`). Если `True`, входная последовательность обрабатывается в обратном порядке и возвращается перевернутая последовательность.
`stateful`	Логическое значение (по умолчанию: `False`). Если `True`, последнее состояние каждого образца с индексом i в пакете будет использоваться как начальное состояние образца с индексом i в следующем пакете.
`unroll`	Логическое значение (по умолчанию: `False`). Если `True`, сеть будет развернута, иначе будет использоваться символьный цикл. Развертывание может ускорить работу RNN, хотя обычно требует больше памяти. Развертывание подходит только для коротких последовательностей.

Аргументы вызова
`sequence`	Тензор размерности 3 со следующей формой: `[batch, timesteps, feature]`.
`mask`	Двоичный тензор формы `[batch, timesteps]`, указывающий, следует ли маскировать заданный временной шаг. Отдельное значение `True` означает, что соответствующий временной шаг следует использовать, а значение `False` — что его следует игнорировать.
`training`	Логическое значение Python, указывающее, должен ли слой работать в режиме обучения или вывода. Этот аргумент передается ячейке при ее вызове. Он имеет значение только при использовании `dropout` или `recurrent_dropout`.
`initial_state`	Список тензоров начальных состояний, передаваемых при первом вызове ячейки.

Пример:

inputs = np.random.random((32, 10, 8))
simple_rnn = keras.layers.SimpleRNN(4)
output = simple_rnn(inputs)  # The output has shape `(32, 4)`.
simple_rnn = keras.layers.SimpleRNN(
    4, return_sequences=True, return_state=True
)
# whole_sequence_output has shape `(32, 10, 4)`.
# final_state has shape `(32, 4)`.
whole_sequence_output, final_state = simple_rnn(inputs)

Атрибуты
`activation`
`bias_constraint`
`bias_initializer`
`bias_regularizer`
`dropout`
`input`	Возвращает входной тензор или входные тензоры символьной операции. Возвращает только тензор или тензоры, соответствующие первому вызову операции.
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`output`	Возвращает выходной тензор или выходные тензоры слоя. Возвращает только тензор или тензоры, соответствующие первому вызову операции.
`recurrent_constraint`
`recurrent_dropout`
`recurrent_initializer`
`recurrent_regularizer`
`units`
`use_bias`

Методы

`from_config`

Посмотреть исходный код

@classmethod
from_config(
    config
)

Создает слой на основе его конфигурации.

Этот метод является обратным по отношению к get_config и позволяет создать такой же слой из словаря конфигурации. Он не обрабатывает связи между слоями (это делает Network) и веса (это делает set_weights).

Аргументы
`config`	Словарь Python, обычно являющийся результатом вызова get_config.

Возвращает
Экземпляр слоя.

`get_initial_state`

Посмотреть исходный код

get_initial_state(
    batch_size
)

`inner_loop`

Посмотреть исходный код

inner_loop(
    sequences, initial_state, mask, training=False
)

`reset_state`

Посмотреть исходный код

reset_state()

`reset_states`

Посмотреть исходный код

reset_states()

`symbolic_call`

Посмотреть 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/SimpleRNN