tf.raw_ops.CudnnRNNCanonicalToParams

Преобразует параметры CudnnRNN из канонической формы в используемую форму.

tf.raw_ops.CudnnRNNCanonicalToParams(
    num_layers,
    num_units,
    input_size,
    weights,
    biases,
    rnn_mode='lstm',
    input_mode='linear_input',
    direction='unidirectional',
    dropout=0,
    seed=0,
    seed2=0,
    name=None
)

Записывает набор весов в буфер параметров, чтобы их можно было использовать в последующих этапах обучения или вывода.

Обратите внимание, что буфер параметров может быть несовместим на разных графических процессорах. Поэтому все сохранение и восстановление должны преобразовываться в канонические веса и смещения.

num_layers: Указывает количество слоев в модели RNN. num_units: Указывает размер скрытого состояния. input_size: Указывает размер входного состояния. weights: каноническая форма весов, которые можно использовать для сохранения и восстановления. Они, скорее всего, будут совместимы с различными поколениями. biases: каноническая форма смещений, которые можно использовать для сохранения и восстановления. Они, скорее всего, будут совместимы с различными поколениями. num_params: количество наборов параметров для всех слоёв. Каждый слой может содержать несколько наборов параметров, каждый из которых состоит из матрицы весов и вектора смещений. rnn_mode: Указывает тип модели RNN. input_mode: Указывает, существует ли линейное проектирование между входом и фактическим вычислением перед первым слоем. 'skip_input' разрешается только при input_size == num_units; 'auto_select' подразумевает 'skip_input', когда input_size == num_units; в противном случае он подразумевает 'linear_input'. direction: Указывает, будет ли использоваться двунаправленная модель. dir = (direction == bidirectional) ? 2 : 1 dropout: вероятность дропаута. При значении 0. дропаут отключен. seed: первая часть значения для инициализации дропаута. seed2: вторая часть значения для инициализации дропаута.