tf.contrib.legacy_seq2seq.embedding_rnn_seq2seq

Модель последовательности «последовательность-в-последовательность» с вложением RNN.

tf.contrib.legacy_seq2seq.embedding_rnn_seq2seq(
    encoder_inputs, decoder_inputs, cell, num_encoder_symbols, num_decoder_symbols,
    embedding_size, output_projection=None, feed_previous=False, dtype=None,
    scope=None
)

В этой модели сначала кодируются вложения encoder_inputs с помощью нового вложения (размера [число_символов_кодера x размер_вложения]). Затем выполняется RNN для кодирования встроенных encoder_inputs в вектор состояния. Далее кодируются вложения decoder_inputs с помощью другого нового вложения (размера [число_символов_декодера x размер_вложения]). Затем выполняется декодер RNN, инициализированный последним состоянием кодера, по встроенным decoder_inputs.

Аргументы
`encoder_inputs`	Список 1D тензоров типа int32 размера [размер_пакета].
`decoder_inputs`	Список 1D тензоров типа int32 размера [размер_пакета].
`cell`	tf.compat.v1.nn.rnn_cell.RNNCell, определяющий функцию и размер ячейки.
`num_encoder_symbols`	Целое число; число символов на стороне кодера.
`num_decoder_symbols`	Целое число; число символов на стороне декодера.
`embedding_size`	Целое число, длина вектора вложения для каждого символа.
`output_projection`	None или пара (W, B) весов и смещений проекции вывода; W имеет размер [размер_вывода x число_символов_декодера], а B имеет размер [число_символов_декодера]; если предоставлены и feed_previous=True, каждый предыдущий вывод сначала умножается на W и прибавляется B.
`feed_previous`	Булево значение или скалярный булев тензор; если True, используется только первый из decoder_inputs (символ "GO"), а все остальные decoder_inputs берутся из предыдущих выходов (как в embedding_rnn_decoder). Если False, decoder_inputs используются как есть (стандартный случай декодера).
`dtype`	Тип данных начального состояния как для кодера, так и для ячеек кодера RNN (по умолчанию: tf.float32).
`scope`	Область переменных для созданной подграфа; по умолчанию "embedding_rnn_seq2seq"

Возвращаемое значение
Кортеж вида (выходы, состояние), где: выходы: Список той же длины, что и decoder_inputs, состоящий из 2D тензоров. Вывод имеет размер [размер_пакета x размер_выхода_ячейки], когда output_projection не None (и представляет плотное представление предсказанных токенов). Он имеет размер [размер_пакета x число_символов_декодера], когда output_projection None. состояние: Состояние каждой ячейки декодера в каждом шаге времени. Это список длиной len(decoder_inputs) — один элемент для каждого шага времени. Это 2D тензор размера [размер_пакета x размер_состояния_ячейки].

Возвращаемое значение

Кортеж вида (выходы, состояние), где: выходы: Список той же длины, что и decoder_inputs, состоящий из 2D тензоров. Вывод имеет размер [размер_пакета x размер_выхода_ячейки], когда output_projection не None (и представляет плотное представление предсказанных токенов). Он имеет размер [размер_пакета x число_символов_декодера], когда output_projection None. состояние: Состояние каждой ячейки декодера в каждом шаге времени. Это список длиной len(decoder_inputs) — один элемент для каждого шага времени. Это 2D тензор размера [размер_пакета x размер_состояния_ячейки].

© 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_seq2seq