tf.raw_ops.CudnnRNNV3

RNN на основе cuDNN.

tf.raw_ops.CudnnRNNV3(
    input,
    input_h,
    input_c,
    params,
    sequence_lengths,
    rnn_mode='lstm',
    input_mode='linear_input',
    direction='unidirectional',
    dropout=0,
    seed=0,
    seed2=0,
    num_proj=0,
    is_training=True,
    time_major=True,
    name=None
)

Вычисляет RNN по входным данным и начальным состояниям с учетом буфера params. Принимает один дополнительный вход "sequence_lengths" по сравнению с CudnnRNN.

rnn_mode: указывает тип модели RNN. input_mode: указывает, используется ли линейная проекция между входными данными и фактическим вычислением 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 он подразумевает 'linear_input'. direction: указывает, будет ли использоваться двунаправленная модель. Должно быть задано значение "unidirectional" или "bidirectional". dropout: вероятность исключения. При значении 0. исключение отключено. seed: первая часть начального значения для инициализации исключения. seed2: вторая часть начального значения для инициализации исключения. input: если time_major имеет значение true, это 3-мерный тензор с формой [seq_length, batch_size, input_size]. Если time_major имеет значение false, форма — [batch_size, seq_length, input_size]. input_h: если time_major имеет значение true, это 3-мерный тензор с формой [num_layer * dir, batch_size, num_units]. Если time_major имеет значение false, форма — [batch_size, num_layer * dir, num_units]. input_c: для LSTM — 3-мерный тензор с формой [num_layer * dir, batch, num_units]. Для других моделей игнорируется. params: 1-мерный тензор, содержащий веса и смещения в непрозрачном формате. Размер должен быть сформирован с помощью CudnnRNNParamsSize, а инициализация выполняется отдельно. Обратите внимание, что они могут быть несовместимы между разными поколениями. Поэтому рекомендуется сохранять и восстанавливать sequence_lengths: вектор длин каждой входной последовательности. output: если time_major имеет значение true, это 3-мерный тензор с формой [seq_length, batch_size, dir * num_units]. Если time_major имеет значение false, форма — [batch_size, seq_length, dir * num_units]. output_h: форма совпадает с input_h. output_c: для LSTM форма совпадает с input_c. Для других моделей — пустой тензор. is_training: указывает, используется ли эта операция для вывода или обучения. time_major: указывает, соответствует ли формат входных и выходных данных порядку времени или порядку пакетов. reserve_space: непрозрачный тензор, который можно использовать при вычислении обратного распространения ошибки. Создается только при значении true для is_training.