tf.raw_ops.CudnnRNNV2

RNN, реализованный с помощью cuDNN.

tf.raw_ops.CudnnRNNV2(
    input, input_h, input_c, params, rnn_mode='lstm', input_mode='linear_input',
    direction='unidirectional', dropout=0, seed=0, seed2=0, is_training=True,
    name=None
)

Вычисляет RNN из входных и начальных состояний относительно буфера параметров. Возвращает на одну дополнительную выходную переменную «host_reserved» по сравнению с CudnnRNN.

rnn_mode: Указывает тип модели RNN. input_mode: Указывает, есть ли линейное проектирование 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. Должно быть «unidirectional» или «bidirectional». dropout: Вероятность дропаута. При значении 0. дропаут отключен. seed: Первая часть начального значения для инициализации дропаута. seed2: Вторая часть начального значения для инициализации дропаута. input: 3-мерный тензор с формой [seq_length, batch_size, input_size]. input_h: 3-мерный тензор с формой [num_layer * dir, batch_size, num_units]. input_c: Для LSTM, 3-мерный тензор с формой [num_layer * dir, batch, num_units]. Для других моделей он игнорируется. params: 1-мерный тензор, содержащий веса и смещения в непрозрачном формате. Размер должен быть создан с помощью CudnnRNNParamsSize и инициализирован отдельно. Обратите внимание, что они могут быть несовместимы в разных поколениях. Поэтому рекомендуется сохранять и восстанавливать выход: 3-мерный тензор с формой [seq_length, batch_size, dir * num_units]. output_h: Та же форма, что и input_h. output_c: Та же форма, что и input_c для LSTM. Пустой тензор для других моделей. is_training: Указывает, используется ли данная операция для вывода или обучения. reserve_space: Непрозрачный тензор, который может использоваться в вычислениях обратного распространения. Он создается только если is_training равен true. host_reserved: Непрозрачный тензор, который может использоваться в вычислениях обратного распространения. Он создается только если is_training равен true. Он находится в памяти хоста, а не в памяти устройства.