tf.compat.v1.keras.layers.GRU

Гейт-рекуррентный блок (GRU) — Cho et al. 2014.

Наследуется от: RNN

tf.compat.v1.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, где гейт сброса применяется к скрытому состоянию до матричного умножения. Другой вариант основан на оригинальном 1406.1078v1 и имеет обратный порядок.

Вторая разновидность совместима с CuDNNGRU (только для GPU) и позволяет выполнять вывод на CPU. Поэтому у неё 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. По умолчанию: гиперболический тангенс (`tanh`). Если вы передадите `None`, то активация не применяется (т.е. используется линейная активация: `a(x) = x`).
`recurrent_activation`	Функция активации для рекуррентного шага. По умолчанию: жёсткая сигмоида (`hard_sigmoid`). Если вы передадите `None`, то активация не применяется (т.е. используется линейная активация: `a(x) = x`).
`use_bias`	Булево значение, использует ли слой вектор смещения.
`kernel_initializer`	Инициализатор матрицы весов `kernel`, используемой для линейного преобразования входных данных.
`recurrent_initializer`	Инициализатор матрицы весов `recurrent_kernel`, используемой 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.
`activity_regularizer`	Функция регуляризации, применяемая к выходу 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 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.
`implementation`	Режим реализации, либо 1, либо 2. Режим 1 структурирует операции как большее количество меньших умножений точечных произведений и сложений, а режим 2 объединяет их в меньшее количество больших операций. Эти режимы будут иметь разные профили производительности на различных аппаратных платформах и для различных приложений.
`return_sequences`	Булево значение. Возвращать ли только последний выходной результат в последовательности или всю последовательность.
`return_state`	Булево значение. Возвращать ли последнее состояние дополнительно к выходу.
`go_backwards`	Булево значение (по умолчанию False). Если True, обрабатывать последовательность входных данных в обратном порядке и вернуть обратную последовательность.
`stateful`	Булево значение (по умолчанию False). Если True, последнее состояние для каждого образца с индексом 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. Развёртывание может ускорить RNN, хотя оно, как правило, более ресурсоёмкое. Развёртывание подходит только для коротких последовательностей.
`time_major`	Формат формы тензоров `inputs` и `outputs`. Если True, входные и выходные данные будут иметь форму `(timesteps, batch, ...)`, в противном случае — `(batch, timesteps, ...)`. Использование `time_major = True` немного эффективнее, так как оно позволяет избежать транспонирования в начале и конце вычислений RNN. Однако большинство данных TensorFlow имеют форму «пакет-сначала», поэтому по умолчанию эта функция принимает входные данные и выдаёт выходные данные в формате «пакет-сначала».
`reset_after`	Конвенция GRU (применять ли гейт сброса после или перед матричным умножением). False = "до" (по умолчанию), True = "после" (совместимо с CuDNN).

Аргументы вызова:

inputs: Тензор размерностью 3.
mask: Бинарный тензор размера (samples, timesteps) , указывающий, нужно ли маскировать данный временной шаг.
training: Булево значение Python, указывающее, должен ли слой работать в режиме обучения или в режиме вывода. Этот аргумент передаётся в ячейку при её вызове. Это актуально только если используется dropout или recurrent_dropout.
initial_state: Список тензоров начального состояния, которые нужно передать в 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

`reset_states`

Посмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для состоятельного слоя RNN.

Может быть использован только при создании слоя RNN со значением stateful = True. Аргументы: states: Массивы NumPy, содержащие значение начального состояния, которое будет передано в ячейку на первом временном шаге. Если значение равно None, будет создан нулевой массив NumPy на основе размера состояния ячейки.

Исключения
`AttributeError`	При работе со слоем RNN, который не является состоятельным.
`ValueError`	Если размер пакетного слоя RNN неизвестен.
`ValueError`	Если входной массив NumPy несовместим со состоянием слоя RNN, либо по размеру, либо по типу данных.

© 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/r2.3/api_docs/python/tf/compat/v1/keras/layers/GRU