tf.keras.layers.SimpleRNN

Полносвязный RNN, где выход подаётся обратно на вход.

Наследуется от: RNN, Layer, Module

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.layers.SimpleRNN

tf.keras.layers.SimpleRNN(
    units, activation='tanh', 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, **kwargs
)

См. руководство Keras RNN API для получения подробной информации о применении API RNN.

Аргументы
`units`	Положительное целое число, размерность выходного пространства.
`activation`	Функция активации для использования. По умолчанию: гиперболический тангенс (`tanh`). Если передано None, никакая активация не применяется (т.е. используется линейная активация: `a(x) = x`).
`use_bias`	Булево значение (по умолчанию `True`), использует ли слой вектор смещения.
`kernel_initializer`	Инициализатор матрицы весов `kernel`, используемый для линейного преобразования входных данных. По умолчанию: `glorot_uniform`.
`recurrent_initializer`	Инициализатор матрицы весов `recurrent_kernel`, используемый для линейного преобразования рекуррентного состояния. По умолчанию: `orthogonal`.
`bias_initializer`	Инициализатор вектора смещения. По умолчанию: `zeros`.
`kernel_regularizer`	Функция регуляризации, применяемая к матрице весов `kernel`. По умолчанию: `None`.
`recurrent_regularizer`	Функция регуляризации, применяемая к матрице весов `recurrent_kernel`. По умолчанию: `None`.
`bias_regularizer`	Функция регуляризации, применяемая к вектору смещения. По умолчанию: `None`.
`activity_regularizer`	Функция регуляризации, применяемая к выходу слоя (его "активации"). По умолчанию: `None`.
`kernel_constraint`	Функция ограничения, применяемая к матрице весов `kernel`. По умолчанию: `None`.
`recurrent_constraint`	Функция ограничения, применяемая к матрице весов `recurrent_kernel`. По умолчанию: `None`.
`bias_constraint`	Функция ограничения, применяемая к вектору смещения. По умолчанию: `None`.
`dropout`	Значение от 0 до 1. Доля единиц, которые нужно отбросить для линейного преобразования входных данных. По умолчанию: 0.
`recurrent_dropout`	Значение от 0 до 1. Доля единиц, которые нужно отбросить для линейного преобразования рекуррентного состояния. По умолчанию: 0.
`return_sequences`	Булево значение. Возвращать ли последний выход в последовательности вывода или всю последовательность. По умолчанию: `False`.
`return_state`	Булево значение. Возвращать ли последнее состояние помимо вывода. По умолчанию: `False`
`go_backwards`	Булево (по умолчанию False). Если True, обрабатывать последовательность в обратном порядке и возвращать обратную последовательность.
`stateful`	Булево (по умолчанию False). Если True, последнее состояние для каждого образца с индексом i в пачке будет использоваться в качестве начального состояния для образца с индексом i в следующей пачке.
`unroll`	Булево (по умолчанию False). Если True, сеть будет развернута, иначе будет использоваться символический цикл. Развертывание может ускорить RNN, хотя оно, как правило, более ресурсоёмко. Развертывание подходит только для коротких последовательностей.

Аргументы вызова:

inputs: 3D тензор, с формой [batch, timesteps, feature].
mask: Бинарный тензор с формой [batch, timesteps], указывающий, нужно ли маскировать данный временной шаг.
training: Python-булево значение, указывающее, должен ли слой вести себя в режиме обучения или в режиме вывода. Этот аргумент передается ячейке при её вызове. Это актуально только в случае использования dropout или recurrent_dropout.
initial_state: Список начальных тензоров состояния, которые нужно передать в первый вызов ячейки.

Примеры:

inputs = np.random.random([32, 10, 8]).astype(np.float32)
simple_rnn = tf.keras.layers.SimpleRNN(4)

output = simple_rnn(inputs)  # The output has shape `[32, 4]`.

simple_rnn = tf.keras.layers.SimpleRNN(
    4, return_sequences=True, return_state=True)

# whole_sequence_output has shape `[32, 10, 4]`.
# final_state has shape `[32, 4]`.
whole_sequence_output, final_state = simple_rnn(inputs)

Атрибуты
`activation`
`bias_constraint`
`bias_initializer`
`bias_regularizer`
`dropout`
`kernel_constraint`
`kernel_initializer`
`kernel_regularizer`
`recurrent_constraint`
`recurrent_dropout`
`recurrent_initializer`
`recurrent_regularizer`
`states`
`units`
`use_bias`

Методы

`reset_states`

Просмотреть исходный код

reset_states(
    states=None
)

Сброс записанных состояний для состоятельного слоя RNN.

Может быть использован только при создании слоя RNN с stateful = True. Args: states: Массивы NumPy, содержащие значение для начального состояния, которое будет передано ячейке в первый временной шаг. Когда значение равно None, будет создан нулевой массив NumPy на основе размера состояния ячейки.

Возбуждает
`AttributeError`	Когда слой RNN не состоятельный.
`ValueError`	Когда размер пачки слоя RNN неизвестен.
`ValueError`	Когда входной массив NumPy несовместим со состоянием слоя RNN, либо по размеру, либо по 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/keras/layers/SimpleRNN