tf.compat.v1.keras.layers.GRU

Временная рекуррентная ячейка — Cho et al. 2014.

Наследует от: RNN, Layer, Module

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, return_sequences=False, return_state=False,
    go_backwards=False, stateful=False, unroll=False, reset_after=False, **kwargs
)

Существует два варианта. По умолчанию используется вариант, основанный на 1406.1078v3, и в нём применяется шлюз сброса к скрытому состоянию до умножения матриц. Другой вариант основан на оригинальной версии 1406.1078v1, и порядок там обратный.

Второй вариант совместим с CuDNNGRU (только для GPU) и позволяет выполнять вывод на CPU. Поэтому он имеет 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 передано значение `None`, активация не применяется (т. е. используется линейная активация: `a(x) = x`).
`recurrent_activation`	Функция активации для рекуррентного шага. По умолчанию: жёсткий сигмоид (`hard_sigmoid`). Если передано значение `None`, активация не применяется (т. е. используется линейная активация: `a(x) = x`).
`use_bias`	Булево значение, указывает, использует ли слой вектор смещений.
`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 смещений.
`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 смещений.
`activity_regularizer`	Функция регуляризации, применяемая к выводу 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 смещений.
`dropout`	Вещественное число от 0 до 1. Доля единиц, подлежащих отбрасыванию для линейного преобразования входных данных.
`recurrent_dropout`	Вещественное число от 0 до 1. Доля единиц, подлежащих отбрасыванию для линейного преобразования рекуррентного состояния.
`return_sequences`	Булево значение. Нужно ли вернуть последний выход в выходной последовательности или всю последовательность.
`return_state`	Булево значение. Нужно ли вернуть последнее состояние помимо вывода.
`go_backwards`	Булево значение (по умолчанию False). Если True, последовательность входных данных обрабатывается в обратном порядке, а возвращаемая последовательность также будет обратной.
`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 последующем пакете.
`unroll`	Булево значение (по умолчанию False). Если True, сеть будет развернута, в противном случае будет использоваться символический цикл. Развертывание может ускорить RNN, хотя оно, как правило, более ресурсоёмкое. Развертывание подходит только для коротких последовательностей.
`time_major`	Формат структуры тензоров `inputs` и `outputs`. Если True, входы и выходы будут иметь форму `(timesteps, batch, ...)`, в противном случае — `(batch, timesteps, ...)`. Использование `time_major = True` немного эффективнее, потому что оно позволяет избежать транспонирования в начале и конце вычисления RNN. Однако большинство данных TensorFlow имеют структуру batch-major, поэтому по умолчанию эта функция принимает входные данные и выводит выходные данные в форме batch-major.
`reset_after`	Конвенция GRU (применяется ли шлюз сброса после или до умножения матриц). False = "перед" (по умолчанию), True = "после" (совместимость с CuDNN).

Аргументы вызова:

inputs: Тензор размерностью 3.
mask: Бинарный тензор формы (samples, timesteps), указывающий, должен ли быть замаскирован данный временной шаг.
training: Булево значение Python, указывающее, должен ли слой работать в режиме обучения или в режиме вывода. Этот аргумент передаётся ячейке при её вызове. Это актуально только если используется dropout или recurrent_dropout.
initial_state: Список начальных тензоров состояния, передаваемых 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`

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для рекуррентного слоя со статусом.

Можно использовать только тогда, когда рекуррентный слой создан с stateful = True Аргументы: состояния: массивы NumPy, содержащие значение для начального состояния, которое будет передано ячейке на первом шаге. Если значение равно None, будет создан массив NumPy с нулевыми значениями, размер которого соответствует размеру состояния ячейки.

Исключения
`AttributeError`	При использовании рекуррентного слоя без статуса.
`ValueError`	При неизвестном размере пакета рекуррентного слоя.
`ValueError`	При несовместимости входного массива NumPy с состоянием рекуррентного слоя по размеру или 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/r2.4/api_docs/python/tf/compat/v1/keras/layers/GRU