tf.keras.layers.SimpleRNNCell

Класс ячейки для SimpleRNN.

Наследуется от: Layer

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.layers.SimpleRNNCell, `tf.compat.v2.keras.layers.SimpleRNNCell`

tf.keras.layers.SimpleRNNCell(
    units, activation='tanh', use_bias=True, kernel_initializer='glorot_uniform',
    recurrent_initializer='orthogonal', bias_initializer='zeros',
    kernel_regularizer=None, recurrent_regularizer=None, bias_regularizer=None,
    kernel_constraint=None, recurrent_constraint=None, bias_constraint=None,
    dropout=0.0, recurrent_dropout=0.0, **kwargs
)

Аргументы
`units`	Положительное целое число, размерность выходного пространства.
`activation`	Функция активации для использования. По умолчанию: гиперболический тангенс (`tanh`). Если вы передаёте `None`, активация не применяется (т.е. активация "линейная": `a(x) = x`).
`use_bias`	Булево значение, использует ли слой вектор смещения.
`kernel_initializer`	Инициализатор матрицы весов `kernel`, используемый для линейного преобразования входных данных.
`recurrent_initializer`	Инициализатор матрицы весов `recurrent_kernel`, используемый для линейного преобразования рекуррентного состояния.
`bias_initializer`	Инициализатор вектора смещения.
`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 смещения.
`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 смещения.
`dropout`	Число с плавающей точкой от 0 до 1. Доля единиц, которые нужно отбросить для линейного преобразования входных данных.
`recurrent_dropout`	Число с плавающей точкой от 0 до 1. Доля единиц, которые нужно отбросить для линейного преобразования рекуррентного состояния.

Аргументы вызова:

inputs: Двумерный тензор.
states: Список тензоров состояния, соответствующих предыдущему шагу во времени.
training: Булево значение Python, указывающее, должен ли слой вести себя в режиме обучения или в режиме вывода. Актуально только при использовании dropout или recurrent_dropout.

Методы

`get_dropout_mask_for_cell`

Просмотреть исходный код

get_dropout_mask_for_cell(
    inputs, training, count=1
)

Получить маску дропаута для входных данных ячейки RNN.

Она создаст маску на основе контекста, если нет кэшированной маски. Если создаётся новая маска, она обновит кэш в ячейке.

Аргументы
`inputs`	тензор входных данных, форма которого будет использоваться для генерации маски дропаута.
`training`	булев тензор, находится ли он в режиме обучения, дропаут игнорируется в режиме не обучения.
`count`	целое число, сколько масок дропаута будет сгенерировано. Это полезно для ячеек, у которых внутренние веса объединены вместе.

Возвращает
Список тензоров масок, сгенерированная или кэшированная маска в зависимости от контекста.

`get_initial_state`

Просмотреть исходный код

get_initial_state(
    inputs=None, batch_size=None, dtype=None
)

`get_recurrent_dropout_mask_for_cell`

Просмотреть исходный код

get_recurrent_dropout_mask_for_cell(
    inputs, training, count=1
)

Получить маску рекуррентного дропаута для ячейки RNN.

Аргументы
`inputs`	тензор входных данных, форма которого будет использоваться для генерации маски дропаута.
`training`	булев тензор, находится ли он в режиме обучения, дропаут игнорируется в режиме не обучения.
`count`	целое число, сколько масок дропаута будет сгенерировано. Это полезно для ячеек, у которых внутренние веса объединены вместе.

Возвращает
Список тензоров масок, сгенерированная или кэшированная маска в зависимости от контекста.

`reset_dropout_mask`

Просмотреть исходный код

reset_dropout_mask()

Сбросить кэшированные маски дропаута, если есть.

Это важно для слоя RNN, чтобы вызвать это в методе call(), чтобы кэшированная маска была очищена перед вызовом cell.call(). Маска должна быть кэширована на протяжении шага во времени внутри одной и той же партии, но не должна кэшироваться между партиями. В противном случае это создаст неприемлемый перекос против определённого индекса данных внутри партии.

`reset_recurrent_dropout_mask`

Просмотреть исходный код

reset_recurrent_dropout_mask()

Сбросить кэшированные маски рекуррентного дропаута, если есть.

© 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/SimpleRNNCell