tf.compat.v1.lite.experimental.nn.TFLiteLSTMCell

Ячейка рекуррентной сети с длинной краткосрочной памятью (LSTM).

Наследуется от: RNNCell, Layer, Layer, Module

tf.compat.v1.lite.experimental.nn.TFLiteLSTMCell(
    num_units, use_peepholes=False, cell_clip=None, initializer=None, num_proj=None,
    proj_clip=None, num_unit_shards=None, num_proj_shards=None, forget_bias=1.0,
    state_is_tuple=True, activation=None, reuse=None, name=None, dtype=None
)

Используется только для TfLite, предоставляет подсказки и также приводит переменные к нужному виду для операций tflite (транспонирует и разделяет).

Реализация по умолчанию без peephole основана на:

https://pdfs.semanticscholar.org/1154/0131eae85b2e11d53df7f1360eeb6476e7f4.pdf

Felix Gers, Jurgen Schmidhuber и Fred Cummins. «Learning to forget: Continual prediction with LSTM». IET, 850-855, 1999.

Реализация с peephole основана на:

https://research.google.com/pubs/archive/43905.pdf

Hasim Sak, Andrew Senior и Francoise Beaufays. «Long short-term memory recurrent neural network architectures for large scale acoustic modeling». INTERSPEECH, 2014.

Класс использует необязательные peephole-соединения, необязательное ограничение ячейки и необязательный проекционный слой.

Обратите внимание, что эта ячейка не оптимизирована для производительности. Для лучшей производительности на GPU используйте tf.contrib.cudnn_rnn.CudnnLSTM, а для лучшей производительности на CPU используйте tf.contrib.rnn.LSTMBlockCell и tf.contrib.rnn.LSTMBlockFusedCell.

Аргументы
`num_units`	int, количество единиц в ячейке LSTM.
`use_peepholes`	bool, установите True для включения диагональных/peephole-соединений.
`cell_clip`	(необязательно) число с плавающей точкой; если указано, состояние ячейки ограничено этим значением перед активацией выхода ячейки.
`initializer`	(необязательно) инициализатор для матриц весов и проекции.
`num_proj`	(необязательно) int, размерность выхода для матриц проекции. Если None, проекция не выполняется.
`proj_clip`	(необязательно) число с плавающей точкой. Если `num_proj > 0` и `proj_clip` указаны, то спроецированные значения ограничены по элементам до `[-proj_clip, proj_clip]`.
`num_unit_shards`	Устаревшее, будет удалено в январе 2017 г. Используйте вместо этого разделитель области переменных.
`num_proj_shards`	Устаревшее, будет удалено в январе 2017 г. Используйте вместо этого разделитель области переменных.
`forget_bias`	Смещения забывающей ячейки по умолчанию инициализируются значением 1, чтобы уменьшить масштаб забывания в начале обучения. Необходимо установить вручную значение `0.0`, при восстановлении из контрольных точек, обученных с помощью CudnnLSTM.
`state_is_tuple`	Если True, принятые и возвращаемые состояния являются кортежами из двух элементов `c_state` и `m_state`. Если False, они конкатенируются вдоль столбца. Это последнее поведение скоро будет устаревшим.
`activation`	Функция активации внутренних состояний. По умолчанию: `tanh`.
`reuse`	(необязательно) булево значение Python, описывающее, следует ли повторно использовать переменные в существующей области. Если не `True`, и существующая область уже имеет заданные переменные, генерируется ошибка.
`name`	Строка, имя слоя. Слои с одинаковым именем будут разделять веса, но для предотвращения ошибок в таких случаях требуется reuse=True.
`dtype`	Тип данных по умолчанию для слоя (по умолчанию `None` означает использование типа первого входного сигнала). Необходимо, когда `build` вызывается до `call`. При восстановлении из контрольных точек, обученных с помощью CudnnLSTM, используйте `CudnnCompatibleLSTMCell`.

Атрибуты
`graph`
`output_size`	Целое число или TensorShape: размер выводов, производимых этой ячейкой.
`scope_name`
`state_size`	Размер(ы) состояний, используемых этой ячейкой. Он может быть представлен целым числом, TensorShape или кортежем целых чисел или TensorShape.

Методы

`get_initial_state`

Просмотреть исходный код

get_initial_state(
    inputs=None, batch_size=None, dtype=None
)

`zero_state`

Просмотреть исходный код

zero_state(
    batch_size, dtype
)

Возвращает тензор(ы) состояния, заполненные нулями.

Аргументы
`batch_size`	int, float или тензор, представляющий размер пакета.
`dtype`	тип данных для использования в состоянии.

Возвращаемое значение

Возвращаемое значение
Если `state_size` является целым числом или TensorShape, то значение возврата — тензор `N-D` формы `[batch_size, state_size]`, заполненный нулями. Если `state_size` является вложенным списком или кортежем, то возвращаемое значение — вложенный список или кортеж (с той же структурой) тензоров `2-D` с формами `[batch_size, s]` для каждого s в `state_size`.

Если state_size является целым числом или TensorShape, то значение возврата — тензор N-D формы [batch_size, state_size], заполненный нулями.

Если state_size является вложенным списком или кортежем, то возвращаемое значение — вложенный список или кортеж (с той же структурой) тензоров 2-D с формами [batch_size, s] для каждого s в state_size.

© 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/lite/experimental/nn/TFLiteLSTMCell