tf.keras.backend.rnn

Итерирует по временной размерности тензора.

Просмотреть псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.backend.rnn, `tf.compat.v2.keras.backend.rnn`

tf.keras.backend.rnn(
    step_function, inputs, initial_states, go_backwards=False, mask=None,
    constants=None, unroll=False, input_length=None, time_major=False,
    zero_output_for_mask=False
)

Аргументы
`step_function`	Функция шага RNN. Аргументы: input; тензор с формой `(samples, ...)` (без временной размерности), представляющий вход для пакетной выборки в определённый момент времени. states; список тензоров. Возвращает: output; тензор с формой `(samples, output_dim)` (без временной размерности). new_states; список тензоров, с длиной и формами, совпадающими с 'states'. Первый тензор в списке должен быть тензором вывода на предыдущем временном шаге.
`inputs`	Тензор временных данных с формой `(samples, time, ...)` (как минимум 3D), или вложенные тензоры, каждый из которых имеет форму `(samples, time, ...)`.
`initial_states`	Тензор с формой `(samples, state_size)` (без временной размерности), содержащий начальные значения для состояний, используемых в функции шага. В случае, если размерность состояния имеет вложенную форму, форма initial_states также будет соответствовать вложенной структуре.
`go_backwards`	Булево значение. Если True, итерация по временной размерности выполняется в обратном порядке и возвращается обращённая последовательность.
`mask`	Бинарный тензор с формой `(samples, time, 1)`, со значением ноль для каждого элемента, который замаскирован.
`constants`	Список константных значений, передаваемых на каждом шаге.
`unroll`	Необходимо ли развернуть RNN или использовать символический `while_loop`.
`input_length`	Если указано, предположить, что размерность времени имеет такую длину.
`time_major`	Булево значение. Если True, входы и выходы будут иметь форму `(timesteps, batch, ...)`, а в случае False - `(batch, timesteps, ...)`. Использование `time_major = True` немного эффективнее, так как это позволяет избежать транспонирования в начале и в конце вычисления RNN. Однако, большинство данных TensorFlow имеют порядок batch-major, поэтому по умолчанию эта функция принимает входные данные и выдаёт выходные в формате batch-major.
`zero_output_for_mask`	Булево значение. Если True, вывод для замаскированного временного шага будет нулями, а в случае False возвращается вывод от предыдущего временного шага.

Возвращает

Возвращает
Кортеж, `(last_output, outputs, new_states)`. last_output: последний вывод RNN, с формой `(samples, ...)` outputs: тензор с формой `(samples, time, ...)`, где каждая запись `outputs[s, t]` является результатом функции шага во времени `t` для выборки `s`. new_states: список тензоров, последние состояния, возвращённые функцией шага, с формой `(samples, ...)`.

Кортеж, (last_output, outputs, new_states). last_output: последний вывод RNN, с формой (samples, ...) outputs: тензор с формой (samples, time, ...), где каждая запись outputs[s, t] является результатом функции шага во времени t для выборки s. new_states: список тензоров, последние состояния, возвращённые функцией шага, с формой (samples, ...).

Возможные исключения
`ValueError`	если размерность входа меньше 3.
`ValueError`	если `unroll` является `True`, но временной шаг входа не является фиксированным числом.
`ValueError`	если `mask` предоставлен (не `None`), но states не предоставлен (`len(states)` == 0).

© 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/keras/backend/rnn