tf.raw_ops.CudnnRNNV2

Реализация RNN с использованием cuDNN.

tf.raw_ops.CudnnRNNV2(
    input,
    input_h,
    input_c,
    params,
    rnn_mode='lstm',
    input_mode='linear_input',
    direction='unidirectional',
    dropout=0,
    seed=0,
    seed2=0,
    is_training=True,
    name=None
)

Вычисляет RNN на основе входных данных и начальных состояний, с учетом буфера параметров. Возвращает на одну дополнительную выходную переменную "host_reserved" по сравнению с CudnnRNN.

rnn_mode: Указывает тип модели RNN. input_mode: Указывает, есть ли линейное преобразование между входными данными и фактическим вычислением перед первым слоем. 'skip_input' разрешен 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. Должно быть "однонаправленная" или "двунаправленная". dropout: Вероятность дропаута. При значении 0. дропаут отключён. seed: Первая часть начального значения для дропаута. seed2: Вторая часть начального значения для дропаута. input: Трехмерный тензор с формой [seq_length, batch_size, input_size]. input_h: Трехмерный тензор с формой [num_layer * dir, batch_size, num_units]. input_c: Для LSTM, трехмерный тензор с формой [num_layer * dir, batch, num_units]. Для других моделей он игнорируется. params: Одномерный тензор, содержащий веса и смещения в непрозрачной структуре. Размер должен быть создан с помощью CudnnRNNParamsSize и инициализирован отдельно. Обратите внимание, что они могут не быть совместимы между разными поколениями. Поэтому рекомендуется сохранять и восстанавливать output: Трехмерный тензор с формой [seq_length, batch_size, dir * num_units]. output_h: Такая же форма, как input_h. output_c: Такая же форма, как input_c для LSTM. Пустой тензор для других моделей. is_training: Указывает, используется ли данная операция для инференции или обучения. reserve_space: Непрозрачный тензор, который может быть использован в вычислениях обратного распространения ошибки. Возвращается только если is_training равен true. host_reserved: Непрозрачный тензор, который может быть использован в вычислениях обратного распространения ошибки. Возвращается только если is_training равен true. Он размещается в оперативной памяти хоста, а не в памяти устройства.