tf.contrib.legacy_seq2seq.embedding_rnn_decoder

Декодер RNN со встраиванием и опцией чистого декодирования.

tf.contrib.legacy_seq2seq.embedding_rnn_decoder(
    decoder_inputs, initial_state, cell, num_symbols, embedding_size,
    output_projection=None, feed_previous=False, update_embedding_for_previous=True,
    scope=None
)

Аргументы
`decoder_inputs`	Список 1D тензоров int32 с размером пакетной обработки (входные данные декодера).
`initial_state`	2D тензор [размер_пакета x размер_состояния_ячейки].
`cell`	tf.compat.v1.nn.rnn_cell.RNNCell, определяющий функцию ячейки.
`num_symbols`	Целое число, количество символов, попадающих в встраивание.
`embedding_size`	Целое число, длина вектора встраивания для каждого символа.
`output_projection`	None или пара (W, B) весов проекции вывода и смещений; W имеет форму [размер_вывода x количество_символов], а B — форму [количество_символов]; если задано и feed_previous=True, каждый предыдущий вывод сначала умножается на W и добавляется B.
`feed_previous`	Булево значение; если True, используется только первый из decoder_inputs (символ "GO"), а все остальные входные данные декодера генерируются следующим образом: next = embedding_lookup(embedding, argmax(previous_output)). По сути, это реализует жадный декодер. Его также можно использовать во время обучения для эмуляции http://arxiv.org/abs/1506.03099. Если False, decoder_inputs используются как задано (стандартный случай декодера).
`update_embedding_for_previous`	Булево значение; если False и feed_previous=True, только встраивание для первого символа decoder_inputs (символ "GO") будет обновляться обратным распространением. Встраивания для символов, сгенерированных самим декодером, остаются неизменными. Этот параметр не имеет эффекта, если feed_previous=False.
`scope`	Область переменных для созданной подграфа; по умолчанию «embedding_rnn_decoder».

Возвращаемые значения
Кортеж вида (выводы, состояние), где: выводы: список такой же длины, как decoder_inputs, состоящий из 2D тензоров. Вывод имеет форму [размер_пакета x размер_вывода_ячейки], когда output_projection не равно None (и представляет собой плотное представление предсказанных токенов). Он имеет форму [размер_пакета x количество_символов_декодера], когда output_projection равно None. состояние: состояние каждой ячейки декодера в каждом шаге времени. Это список длиной len(decoder_inputs) — по одному элементу для каждого шага времени. Это 2D тензор формы [размер_пакета x размер_состояния_ячейки].

Возвращаемые значения

Кортеж вида (выводы, состояние), где: выводы: список такой же длины, как decoder_inputs, состоящий из 2D тензоров. Вывод имеет форму [размер_пакета x размер_вывода_ячейки], когда output_projection не равно None (и представляет собой плотное представление предсказанных токенов). Он имеет форму [размер_пакета x количество_символов_декодера], когда output_projection равно None. состояние: состояние каждой ячейки декодера в каждом шаге времени. Это список длиной len(decoder_inputs) — по одному элементу для каждого шага времени. Это 2D тензор формы [размер_пакета x размер_состояния_ячейки].

Исключения
`ValueError`	При неправильной форме output_projection.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/legacy_seq2seq/embedding_rnn_decoder