tf.raw_ops.CudnnRNNV2

Рекуррентная нейронная сеть (RNN) на базе 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 params. Возвращает один дополнительный выход «host_reserved» по сравнению с CudnnRNN.

rnn_mode: Указывает тип модели RNN. input_mode: Указывает, используется ли линейная проекция между входными данными и фактическими вычислениями перед первым слоем. 'skip_input' разрешен только при input_size == num_units; 'auto_select' подразумевает 'skip_input' при input_size == num_units; в противном случае подразумевается 'linear_input'. direction: Указывает, будет ли использоваться двунаправленная модель. Должно иметь значение "unidirectional" или "bidirectional". dropout: Вероятность исключения (dropout). При значении 0. исключение отключено. seed: Первая часть начального значения для инициализации исключения. seed2: Вторая часть начального значения для инициализации исключения. input: Тензор размерности 3 с формой [seq_length, batch_size, input_size]. input_h: Тензор размерности 3 с формой [num_layer * dir, batch_size, num_units]. input_c: Для LSTM — тензор размерности 3 с формой [num_layer * dir, batch, num_units]. Для других моделей он игнорируется. params: Тензор размерности 1, содержащий веса и смещения в непрозрачном формате. Его размер должен быть создан с помощью CudnnRNNParamsSize, а инициализировать его нужно отдельно. Обратите внимание, что они могут быть несовместимы между разными поколениями. Поэтому рекомендуется сохранять и восстанавливать его. output: Тензор размерности 3 с формой [seq_length, batch_size, dir * num_units]. output_h: Имеет ту же форму, что и input_h. output_c: Для LSTM имеет ту же форму, что и input_c. Для других моделей — пустой тензор. is_training: Указывает, используется ли эта операция для вывода или обучения. reserve_space: Непрозрачный тензор, который можно использовать при вычислении обратного распространения ошибки. Создается только при значении is_training true. host_reserved: Непрозрачный тензор, который можно использовать при вычислении обратного распространения ошибки. Создается только при значении is_training true. Возвращается в памяти хоста, а не устройства.