tf.keras.layers.SimpleRNN

Полносвязный RNN, где выход подается обратно в качестве нового входа.

Наследуется 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 выходного пространства.
`activation`	Функция активации для использования. По умолчанию: гиперболический тангенс (`tanh`). Если передано None, активация не применяется (т.е. используется линейная активация: `a(x) = x`).
`use_bias`	Булево значение (по умолчанию `True`), 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`	Значение от 0 до 1. Доля единиц для отбрасывания в линейном преобразовании входных данных. По умолчанию: 0.
`recurrent_dropout`	Значение от 0 до 1. Доля единиц для отбрасывания в линейном преобразовании рекуррентного состояния. По умолчанию: 0.
`return_sequences`	Булево значение. Возвращать ли последний выход в последовательности вывода или всю последовательность. По умолчанию: `False`.
`return_state`	Булево значение. Возвращать ли последнее состояние в дополнение к выводу. По умолчанию: `False`.
`go_backwards`	Булево значение (по умолчанию: `False`). Если `True`, обрабатывать входную последовательность в обратном порядке и возвращать обратную последовательность.
`stateful`	Булево значение (по умолчанию: `False`). Если `True`, последнее состояние для каждого образца в индексе i в пакет будет использоваться в качестве начального состояния для образца с индексом i в следующем пакет.
`unroll`	Булево значение (по умолчанию: `False`). Если `True`, сеть будет развернута, в противном случае будет использован символический цикл. Развертывание может ускорить RNN, хотя оно, как правило, более ресурсоемко. Развертывание подходит только для коротких последовательностей.

Аргументы вызова
`sequence`	3-мерный тензор с формой `[batch, timesteps, feature]`.
`mask`	Бинарный тензор с формой `[batch, timesteps]`, указывающий, следует ли маскировать данный временной шаг. Отдельная запись `True` указывает, что соответствующий временной шаг следует использовать, а запись `False` указывает, что соответствующий временной шаг следует игнорировать.
`training`	Булево значение Python, указывающее, должен ли слой вести себя в режиме обучения или в режиме вывода. Этот аргумент передается ячейке при вызове. Это актуально только если используется `dropout` или `recurrent_dropout`.
`initial_state`	Список начальных тензоров состояния, которые должны быть переданы первой ячейке.

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`	Получает тензор(ы) ввода символической операции. Возвращает только тензор(ы), соответствующие первому вызову операции.
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`output`	Получает тензор(ы) вывода слоя. Возвращает только тензор(ы), соответствующие первому вызову операции.
`recurrent_constraint`
`recurrent_dropout`
`recurrent_initializer`
`recurrent_regularizer`
`units`
`use_bias`

Методы

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создает слой по его конфигурации.

Этот метод является обратным к get_config, способный восстановить тот же слой из словаря конфигурации. Он не обрабатывает соединение слоев (обрабатывается сетью), ни веса (обрабатывается set_weights).

Аргументы
`config`	Словарь Python, обычно результат get_config.

Возвращаемое значение
Экземпляр слоя.

`get_initial_state`

Просмотреть исходный код

get_initial_state(
    batch_size
)

`inner_loop`

Просмотреть исходный код

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

`reset_state`

Просмотреть исходный код

reset_state()

`reset_states`

Просмотреть исходный код

reset_states()

`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/SimpleRNN