tf.compat.v1.keras.layers.GRU

Узел обратной связи с затворами — Cho et al. 2014.

Наследуется 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 затвор сброса применяется к скрытому состоянию до умножения матриц. Другой вариант основан на исходном 1406.1078v1 и имеет обратный порядок.

Второй вариант совместим с CuDNNGRU (только GPU) и позволяет выполнять вычисления на процессоре. Таким образом, он имеет отдельные смещения для kernel и recurrent_kernel. Используйте 'reset_after'=True и recurrent_activation='sigmoid'.

Аргументы вызова:

• inputs: Тензор размерностью 3.
• mask: Двоичный тензор формы (samples, timesteps), указывающий, должен ли быть замаскирован данный временной шаг. Отдельная запись True указывает, что соответствующий временной шаг должен быть использован, а запись False указывает, что соответствующий временной шаг должен быть пропущен.
• training: Булево значение Python, указывающее, должен ли слой работать в режиме обучения или в режиме вывода. Этот аргумент передаётся в ячейку при её вызове. Это актуально только в том случае, если используется dropout или recurrent_dropout.
• initial_state: Список тензоров начального состояния, которые нужно передать в первый вызов ячейки.

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для состояния слоя RNN.

Может быть использован только в том случае, когда слой RNN построен с stateful = True. Аргументы: состояния: массивы NumPy, содержащие значения для начального состояния, которое будет передано ячейке на первом временном шаге. Когда значение равно None, будет создан нулевой заполненный массив NumPy, базирующийся на размере состояния ячейки.