tf.raw_ops.CudnnRNNCanonicalToParamsV2

Преобразует параметры CudnnRNN из канонической формы в используемую форму. Поддерживает проекцию в LSTM.

tf.raw_ops.CudnnRNNCanonicalToParamsV2(
    num_layers,
    num_units,
    input_size,
    weights,
    biases,
    rnn_mode='lstm',
    input_mode='linear_input',
    direction='unidirectional',
    dropout=0,
    seed=0,
    seed2=0,
    num_proj=0,
    name=None
)

Записывает набор весов в буфер параметров, чтобы их можно было использовать в последующем обучении или инференсах.

Обратите внимание, что буфер параметров может быть несовместим на разных GPU. Поэтому любое сохранение и восстановление должно преобразовываться в и из канонических весов и смещений.

num_layers: Указывает количество слоёв в модели RNN. num_units: Указывает размер скрытого состояния. input_size: Указывает размер входного состояния. weights: каноническая форма весов, которые могут использоваться для сохранения и восстановления. Они с большей вероятностью будут совместимы на разных поколениях. biases: каноническая форма смещений, которые могут использоваться для сохранения и восстановления. Они с большей вероятностью будут совместимы на разных поколениях. num_params_weights: количество матриц весовых параметров для всех слоёв. num_params_biases: количество векторов смещений параметров для всех слоёв. rnn_mode: Указывает тип модели RNN. input_mode: Указывает, существует ли линейная проекция между входом и фактическим вычислением перед первым слоем. «skip_input» разрешён только тогда, когда input_size == num_units; «auto_select» подразумевает «skip_input», когда input_size == num_units; в противном случае подразумевает «linear_input». direction: Указывает, будет ли использоваться двунаправленная модель. dir = (direction == bidirectional) ? 2 : 1 dropout: вероятность дропаута. При значении 0. дропаут отключён. seed: первая часть семян для инициализации дропаута. seed2: вторая часть семян для инициализации дропаута. num_proj: размерность вывода для проекционных матриц. Если None или 0, проекция не выполняется.