tf.contrib.legacy_seq2seq.one2many_rnn_seq2seq

Модель последовательности «один-ко-многим» с RNN (многозадачная).

tf.contrib.legacy_seq2seq.one2many_rnn_seq2seq(
    encoder_inputs, decoder_inputs_dict, enc_cell, dec_cells_dict,
    num_encoder_symbols, num_decoder_symbols_dict, embedding_size,
    feed_previous=False, dtype=None, scope=None
)

Это многозадачная модель последовательности «один-ко-многим» с одним кодером и несколькими декодерами. Ссылка на обучение многозадачных последовательностей «один-ко-многим» доступна здесь: http://arxiv.org/abs/1511.06114

Аргументы
`encoder_inputs`	Список 1D целочисленных тензоров типа int32 формы [размер_пакета].
`decoder_inputs_dict`	Словарь, сопоставляющий имя декодера (строка) с соответствующими decoder_inputs; каждый decoder_inputs — это список 1D тензоров формы [размер_пакета]; num_decoders определяется как len(decoder_inputs_dict).
`enc_cell`	tf.compat.v1.nn.rnn_cell.RNNCell, определяющий функцию и размер ячейки кодера.
`dec_cells_dict`	Словарь, сопоставляющий имя кодера (строка) с экземпляром tf.nn.rnn_cell.RNNCell.
`num_encoder_symbols`	Целое число; количество символов со стороны кодера.
`num_decoder_symbols_dict`	Словарь, сопоставляющий имя декодера (строка) с целым числом, определяющим количество символов для соответствующего декодера; len(num_decoder_symbols_dict) должно быть равно num_decoders.
`embedding_size`	Целое число, длина вектора встраивания для каждого символа.
`feed_previous`	Булево значение или скалярный булевый 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 rnn кодера (по умолчанию: tf.float32).
`scope`	Область переменных для созданного подграфа; по умолчанию «one2many_rnn_seq2seq»

Возвращает
Кортеж вида (outputs_dict, state_dict), где: outputs_dict: Словарь, сопоставляющий имя декодера (строка) со списком той же длины, что и decoder_inputs_dict[name]; каждый элемент в списке — это 2D тензор с формой [размер_пакета x num_decoder_symbol_list[name]], содержащий сгенерированные выходы. state_dict: Словарь, сопоставляющий имя декодера (строка) с конечным состоянием соответствующего декодера RNN; это 2D тензор с формой [размер_пакета x cell.state_size].

Возвращает

Кортеж вида (outputs_dict, state_dict), где: outputs_dict: Словарь, сопоставляющий имя декодера (строка) со списком той же длины, что и decoder_inputs_dict[name]; каждый элемент в списке — это 2D тензор с формой [размер_пакета x num_decoder_symbol_list[name]], содержащий сгенерированные выходы. state_dict: Словарь, сопоставляющий имя декодера (строка) с конечным состоянием соответствующего декодера RNN; это 2D тензор с формой [размер_пакета x cell.state_size].

Возбуждает
`TypeError`	если enc_cell или любой из dec_cells не является экземпляром RNNCell.
`ValueError`	если len(dec_cells) != len(decoder_inputs_dict).

© 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/one2many_rnn_seq2seq