tf.compat.v1.nn.rnn_cell.LSTMCell

Блок ячеек с длинной краткосрочной памятью (LSTM).

Наследуется от: RNNCell, Layer, Layer, Module

tf.compat.v1.nn.rnn_cell.LSTMCell(
    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,
    **kwargs
)

По умолчанию реализация без обратных связей основана на (Gers et al., 1999). Реализация с обратными связями основана на (Sak et al., 2014).

Класс использует необязательные обратные связи, необязательное ограничение ячейки и необязательный проекционный слой.

Обратите внимание, что эта ячейка не оптимизирована для производительности. Пожалуйста, используйте tf.contrib.cudnn_rnn.CudnnLSTM для лучшей производительности на GPU или tf.contrib.rnn.LSTMBlockCell и tf.contrib.rnn.LSTMBlockFusedCell для лучшей производительности на CPU. Ссылки: Архитектуры рекуррентных нейронных сетей с длинной краткосрочной памятью для крупномасштабной акустической моделирования: Sak et al., 2014 (pdf) Learning to forget: Gers et al., 1999 (pdf) Длинная краткосрочная память: Hochreiter et al., 1997 (pdf)

Args
`num_units`	int, Количество единиц в ячейке LSTM.
`use_peepholes`	bool, установить True для включения диагональных/обратных связей.
`cell_clip`	(необязательно) Числовое значение с плавающей точкой, если указано, состояние ячейки ограничивается этим значением перед активацией выхода ячейки.
`initializer`	(необязательно) Инициализатор для использования для матриц весов и проекции.
`num_proj`	(необязательно) int, размерность вывода для матриц проекции. Если None, проекция не выполняется.
`proj_clip`	(необязательно) Числовое значение с плавающей точкой. Если `num_proj > 0` и `proj_clip` указаны, то спроецированные значения ограничиваются элементно по модулю `[-proj_clip, proj_clip]`.
`num_unit_shards`	Устарело, будет удалено в январе 2017 г. Используйте вместо этого партишнер области переменных.
`num_proj_shards`	Устарело, будет удалено в январе 2017 г. Используйте вместо этого партишнер области переменных.
`forget_bias`	Смещения ворот забывания по умолчанию инициализируются значением 1, чтобы уменьшить масштаб забывания в начале обучения. Необходимо установить его вручную в `0.0` при восстановлении из контрольных точек обученных CudnnLSTM.
`state_is_tuple`	Если True, принятые и возвращаемые состояния являются 2-кортежами `c_state` и `m_state`. Если False, они конкатенируются по оси столбцов. Это последнее поведение вскоре будет устаревшим.
`activation`	Функция активации внутренних состояний. По умолчанию: `tanh`. Также может быть строкой, находящейся в именах функций активации Keras.
`reuse`	(необязательно) Логическое значение Python, описывающее, нужно ли повторно использовать переменные в существующей области. Если не `True`, и существующая область уже содержит заданные переменные, возникает ошибка.
`name`	Строка, имя слоя. Слои с одинаковым именем будут совместно использовать веса, но для предотвращения ошибок в таких случаях требуется reuse=True.
`dtype`	Тип по умолчанию для слоя (по умолчанию `None` означает использовать тип первого входа). Требуется при вызове `build` до `call`.
`**kwargs`	Словарь, именованные ключевые свойства для общих атрибутов слоя, таких как `trainable` и т.д. при построении ячейки из конфигураций get_config(). При восстановлении из контрольных точек, обученных CudnnLSTM, используйте `CudnnCompatibleLSTMCell` вместо этого.

Атрибуты
`graph`
`output_size`	Целое число или TensorShape: размер выходных данных, производимых этой ячейкой.
`scope_name`
`state_size`	Размер(ы) состояния(ий), используемых этой ячейкой. Его можно представить целым числом, TensorShape или кортежем целых чисел или TensorShapes.

Методы

`apply`

Просмотреть исходный код

apply(
    *args, **kwargs
)

`get_initial_state`

Просмотреть исходный код

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

`get_losses_for`

Просмотреть исходный код

get_losses_for(
    inputs
)

Извлекает потери, относящиеся к определенному набору входных данных.

Аргументы
`inputs`	Входной тензор или список/кортеж входных тензоров.

Возвращаемое значение
Список тензоров потерь слоя, которые зависят от `inputs`.

`get_updates_for`

Просмотреть исходный код

get_updates_for(
    inputs
)

Извлекает обновления, относящиеся к определенному набору входных данных.

Аргументы
`inputs`	Входной тензор или список/кортеж входных тензоров.

Возвращаемое значение
Список операций обновления слоя, которые зависят от `inputs`.

`zero_state`

Просмотреть исходный код

zero_state(
    batch_size, dtype
)

Возвращает тензор(ы) состояния, заполненные нулями.

Аргументы
`batch_size`	Целое число, число с плавающей точкой или тензор, представляющий размер пакета.
`dtype`	Тип данных для использования в состоянии.

Возвращаемое значение

Возвращаемое значение
Если `state_size` является целым числом или формой тензора, то возвращаемое значение является тензором `N-D`, заполненным нулями, формы `[batch_size, state_size]`. Если `state_size` является вложенным списком или кортежем, то возвращаемое значение — вложенный список или кортеж (той же структуры) тензоров `2-D`, имеющих формы `[batch_size, s]` для каждого s в `state_size`.

Если state_size является целым числом или формой тензора, то возвращаемое значение является тензором N-D, заполненным нулями, формы [batch_size, state_size].

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

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/nn/rnn_cell/LSTMCell