tf.keras.layers.GRU

Ячейка с управляемым рекуррентным блоком — Cho и др. 2014.

Наследуется от: RNN

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.layers.GRU

tf.keras.layers.GRU(
    units, activation='tanh', recurrent_activation='hard_sigmoid', use_bias=True,
    kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal',
    bias_initializer='zeros', kernel_regularizer=None, recurrent_regularizer=None,
    bias_regularizer=None, activity_regularizer=None, kernel_constraint=None,
    recurrent_constraint=None, bias_constraint=None, dropout=0.0,
    recurrent_dropout=0.0, implementation=1, return_sequences=False,
    return_state=False, go_backwards=False, stateful=False, unroll=False,
    reset_after=False, **kwargs
)

Существует две разновидности. По умолчанию используется вариант, основанный на 1406.1078v3, в котором вентиль сброса применяется к скрытому состоянию перед умножением матриц. Другой вариант основан на оригинальном 1406.1078v1 и имеет обратный порядок.

Второй вариант совместим с CuDNNGRU (только для графических процессоров) и позволяет выполнять вычисления на центральном процессоре. Поэтому он имеет отдельные смещения для kernel и recurrent_kernel. Используйте 'reset_after'=True и recurrent_activation='sigmoid'.

Аргументы
`units`	Положительное целое число, размерность выходного пространства.
`activation`	Функция активации для использования. По умолчанию: гиперболический тангенс (`tanh`). Если вы передадите `None`, функция активации не применяется (т. е. используется линейная активация: `a(x) = x`).
`recurrent_activation`	Функция активации для использования на рекуррентном шаге. По умолчанию: жёсткий сигмоид (`hard_sigmoid`). Если вы передадите `None`, функция активации не применяется (т. е. используется линейная активация: `a(x) = x`).
`use_bias`	Булево значение, использует ли слой вектор смещений.
`kernel_initializer`	Инициализатор матрицы весов `kernel`, используемой для линейного преобразования входов.
`recurrent_initializer`	Инициализатор матрицы весов `recurrent_kernel`, используемой для линейного преобразования рекуррентного состояния.
`bias_initializer`	Инициализатор вектора смещений.
`kernel_regularizer`	Функция регуляризации, применяемая к матрице весов `kernel`.
`recurrent_regularizer`	Функция регуляризации, применяемая к матрице весов `recurrent_kernel`.
`bias_regularizer`	Функция регуляризации, применяемая к вектору смещений.
`activity_regularizer`	Функция регуляризации, применяемая к выводу слоя (его "активации").
`kernel_constraint`	Функция ограничения, применяемая к матрице весов `kernel`.
`recurrent_constraint`	Функция ограничения, применяемая к матрице весов `recurrent_kernel`.
`bias_constraint`	Функция ограничения, применяемая к вектору смещений.
`dropout`	Вещественное число от 0 до 1. Доля единиц, которые необходимо отбросить для линейного преобразования входов.
`recurrent_dropout`	Вещественное число от 0 до 1. Доля единиц, которые необходимо отбросить для линейного преобразования рекуррентного состояния.
`implementation`	Режим реализации, либо 1, либо 2. Режим 1 будет структурировать операции как большее количество меньших операций умножения матриц и сложения, тогда как режим 2 будет группировать их в меньшее количество больших операций. Эти режимы будут иметь разные характеристики производительности на различных аппаратных средствах и для различных приложений.
`return_sequences`	Булево значение. Возвращает ли слой только последний выходной элемент последовательности или полную последовательность.
`return_state`	Булево значение. Возвращает ли слой последнее состояние в дополнение к выводу.
`go_backwards`	Булево значение (по умолчанию False). Если True, обрабатывать последовательность входов в обратном порядке и возвращать обратную последовательность.
`stateful`	Булево значение (по умолчанию False). Если True, последнее состояние для каждого образца в индексе i в пакете будет использоваться в качестве начального состояния для образца с индексом i в следующем пакете.
`unroll`	Булево значение (по умолчанию False). Если True, сеть будет развернута, в противном случае будет использоваться символический цикл. Развертывание может ускорить RNN, хотя обычно это более ресурсоёмко. Развертывание подходит только для коротких последовательностей.
`time_major`	Формат формы тензоров `inputs` и `outputs`. Если True, входы и выходы будут иметь форму `(timesteps, batch, ...)`, в случае False — `(batch, timesteps, ...)`. Использование `time_major = True` немного эффективнее, так как оно позволяет избежать транспонирования в начале и в конце вычислений RNN. Однако большинство данных TensorFlow имеют порядок «пакет-сначала», поэтому по умолчанию эта функция принимает входной данные и возвращает выходные данные в формате «пакет-сначала».
`reset_after`	Конвенция GRU (применять вентиль сброса после или до умножения матриц). False = "до" (по умолчанию), True = "после" (совместимость с CuDNN).

Аргументы вызова:

inputs: Тензор размерностью 3.
mask: Двоичный тензор формы (samples, timesteps) указывающий, следует ли игнорировать данный временной шаг.
training: Булевое значение, указывающее, должен ли слой работать в режиме обучения или в режиме вывода. Этот аргумент передаётся ячейке при её вызове. Это актуально только в том случае, если используется dropout или recurrent_dropout.
initial_state: Список начальных тензоров состояния, которые следует передать на первый вызов ячейки.

Атрибуты
`activation`
`bias_constraint`
`bias_initializer`
`bias_regularizer`
`dropout`
`implementation`
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`recurrent_activation`
`recurrent_constraint`
`recurrent_dropout`
`recurrent_initializer`
`recurrent_regularizer`
`reset_after`
`states`
`units`
`use_bias`

Методы

`get_initial_state`

Просмотреть исходный код

get_initial_state(
    inputs
)

`reset_states`

Просмотреть исходный код

reset_states(
    states=None
)

© 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/layers/GRU