tf.raw_ops.CudnnRNNV3

RNN, реализованный с помощью cuDNN.

tf.raw_ops.CudnnRNNV3(
    input, input_h, input_c, params, sequence_lengths, rnn_mode='lstm',
    input_mode='linear_input', direction='unidirectional', dropout=0, seed=0,
    seed2=0, num_proj=0, is_training=True, time_major=True, name=None
)

Вычисляет RNN по входным данным и начальным состояниям относительно буфера параметров. Принимает на один вход больше «sequence_lengths», чем CudnnRNN.

rnn_mode: Указывает тип модели RNN. input_mode: Указывает, есть ли линейное проектирование между входными данными и фактическим вычислением перед первым слоем. «skip_input» разрешено только при input_size == num_units; «auto_select» подразумевает «skip_input», когда input_size == num_units; в противном случае подразумевается «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 семян для инициализации дропаута. seed2: Вторая часть семян для инициализации дропаута. input: Если time_major истинно, это 3-мерный тензор с формой [seq_length, batch_size, input_size]. Если time_major ложно, форма — [batch_size, seq_length, input_size]. input_h: Если time_major истинно, это 3-мерный тензор с формой [num_layer * dir, batch_size, num_units]. Если time_major ложно, форма — [batch_size, num_layer * dir, num_units]. input_c: Для LSTM — 3-мерный тензор с формой [num_layer * dir, batch, num_units]. Для других моделей игнорируется. params: 1-мерный тензор, содержащий веса и смещения в непрозрачной структуре. Размер должен быть создан через CudnnRNNParamsSize и инициализирован отдельно. Обратите внимание, что они могут быть несовместимы в разных поколениях. Поэтому рекомендуется сохранять и восстанавливать sequence_lengths: вектор длин каждой последовательности входных данных. output: Если time_major истинно, это 3-мерный тензор с формой [seq_length, batch_size, dir * num_units]. Если time_major ложно, форма — [batch_size, seq_length, dir * num_units]. output_h: Такая же форма, как input_h. output_c: Такая же форма, как input_c для LSTM. Пустой тензор для других моделей. is_training: Указывает, используется ли эта операция для вывода или обучения. time_major: Указывает, является ли формат входных/выходных данных временем или размером пакета. reserve_space: Непрозрачный тензор, который может использоваться в вычислениях обратного распространения. Он создается только, если is_training истинно.