tf.raw_ops.CudnnRNN

RNN, поддерживаемый cuDNN.

tf.raw_ops.CudnnRNN(
    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 данных и начальных состояний относительно буфера параметров.

rnn_mode: Указывает тип модели RNN. input_mode: Указывает, существует ли линейное проектирование между входом и фактическим вычислением перед первым слоем. 'skip_input' разрешается только при input_size == num_units; 'auto_select' подразумевает 'skip_input', когда input_size == num_units; в противном случае он подразумевает 'linear_input'. direction: Указывает, будет ли использоваться двунаправленная модель. Должно быть "unidirectional" или "bidirectional". dropout: Вероятность отбрасывания. При значении 0. отбрасывание отключено. seed: Первая часть семени для инициализации отбрасывания. seed2: Вторая часть семени для инициализации отбрасывания. input: Трехмерный тензор с формой [seq_length, batch_size, input_size]. input_h: Трехмерный тензор с формой [num_layer * dir, batch_size, num_units]. input_c: Для LSTM, трехмерный тензор с формой [num_layer * dir, batch, num_units]. Для других моделей он игнорируется. params: Одномерный тензор, содержащий веса и смещения в непрозрачной структуре. 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 выходные данные: Трехмерный тензор с формой [seq_length, batch_size, 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. reserve_space: Непрозрачный тензор, который может быть использован в расчетах обратного распространения. Он генерируется только если is_training равен false.