tf.contrib.rnn.FusedRNNCell

Абстрактный объект, представляющий объединённую ячейку RNN.

Объединённая ячейка RNN представляет собой всю ячейку RNN, развернутую по размеру временной оси. По сути, это целая рекуррентная сеть.

В отличие от ячеек RNN, которые являются подклассами rnn_cell.RNNCell, объединённая ячейка работает со всей временной последовательностью сразу, помещая цикл по времени внутри ячейки. Это обычно приводит к более эффективной, но более сложной и менее гибкой реализации.

Каждая FusedRNNCell должна реализовывать __call__ со следующим сигнатуром.

Методы

`call`

Просмотреть исходный код

@abc.abstractmethod
__call__(
    inputs, initial_state=None, dtype=None, sequence_length=None, scope=None
)

Запустить объединённую ячейку RNN на входных данных, начиная с заданного состояния.

Аргументы
`inputs`	`3-D` тензор с формой `[time_len x batch_size x input_size]` или список `time_len` тензоров с формой `[batch_size x input_size]`.
`initial_state`	либо тензор с формой `[batch_size x state_size]` или кортеж с формами `[batch_size x s] for s in state_size`, если ячейка принимает кортежи. Если это не указано, ячейка должна создать начальное нулевое состояние типа `dtype`.
`dtype`	Тип данных для начального состояния и ожидаемого выхода. Требуется, если `initial_state` не указан или состояние RNN имеет разнородный тип данных.
`sequence_length`	Указывает длину каждой последовательности во входных данных. `int32` или `int64` вектор (тензор) размера `[batch_size]`, значения в `[0, time_len)`. По умолчанию `time_len` для каждого элемента.
`scope`	`VariableScope` или `string` для создаваемой подграфа; по умолчанию имя класса.

Возвращаемые значения

Возвращаемые значения
Пара, содержащая: Выход: `3-D` тензор с формой `[time_len x batch_size x output_size]` или список `time_len` тензоров с формой `[batch_size x output_size]`, чтобы соответствовать типу `inputs`. Конечное состояние: Либо один `2-D` тензор, либо кортеж тензоров, соответствующий арности и формам `initial_state`.

Пара, содержащая:

Выход: 3-D тензор с формой [time_len x batch_size x output_size] или список time_len тензоров с формой [batch_size x output_size], чтобы соответствовать типу inputs.
Конечное состояние: Либо один 2-D тензор, либо кортеж тензоров, соответствующий арности и формам initial_state.

© 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/rnn/FusedRNNCell