tf.raw_ops.CudnnRNNV2

Рекуррентная нейронная сеть, поддерживаемая cuDNN.

tf.raw_ops.CudnnRNNV2(
    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 по отношению к буферу параметров. Производит на один дополнительный выход «host_reserved», чем CudnnRNN.

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 тогда, когда input_size == num_units; «auto_select» подразумевает «skip_input», когда input_size == num_units; в противном случае подразумевает «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 семени для инициализации дропаута. seed2: Вторая часть семени для инициализации дропаута. 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 непрозрачном формате. Размер должен быть создан с помощью CudnnRNNParamsSize и инициализирован отдельно. Обратите внимание, что они могут быть несовместимы между различными поколениями. Поэтому рекомендуется сохранять и восстанавливать output: 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 данная операция для вывода или обучения. reserve_space: Непрозрачный тензор, который может использоваться в расчётах обратного распространения ошибки. Он создаётся только если is_training равно true. host_reserved: Непрозрачный тензор, который может использоваться в расчётах обратного распространения ошибки. Он создаётся только если is_training равно true. Он выводится в оперативной памяти хоста, а не в памяти устройства.