tf.raw_ops.CudnnRNNCanonicalToParams

Преобразует параметры CudnnRNN из канонической формы в пригодную для использования.

tf.raw_ops.CudnnRNNCanonicalToParams(
    num_layers, num_units, input_size, weights, biases, rnn_mode='lstm',
    input_mode='linear_input', direction='unidirectional', dropout=0, seed=0,
    seed2=0, name=None
)

Записывает набор весов в буфер параметров, чтобы их можно было использовать в последующих этапах обучения или вывода.

Обратите внимание, что буфер параметров может не быть совместимым с разными графическими процессорами. Поэтому любое сохранение и восстановление должно преобразовываться в канонические веса и смещения.

num_layers: Указывает количество слоёв в модели RNN. num_units: Указывает размер скрытого состояния. input_size: Указывает размер входного состояния. weights: каноническая форма весов, которая может быть использована для сохранения и восстановления. Они, скорее всего, будут совместимы с различными поколениями. biases: каноническая форма смещений, которая может быть использована для сохранения и восстановления. Они, скорее всего, будут совместимы с различными поколениями. num_params: количество наборов параметров для всех слоёв. Каждый слой может содержать несколько наборов параметров, каждый из которых состоит из матрицы весов и вектора смещений. rnn_mode: Указывает тип модели RNN. input_mode: Указывает, существует ли линейная проекция между входом и фактическим вычислением перед первым слоем. «skip_input» разрешен только при input_size == num_units; «auto_select» подразумевает «skip_input», когда input_size == num_units; в противном случае подразумевает «linear_input». direction: Указывает, будет ли использоваться двунаправленная модель. dir = (direction == bidirectional) ? 2 : 1 dropout: вероятность дропаута. При значении 0. дропаут отключен. seed: первая часть генератора случайных чисел для инициализации дропаута. seed2: вторая часть генератора случайных чисел для инициализации дропаута.