tf.keras.layers.SimpleRNN

Полносвязный RNN, где выход подается обратно на вход.

Наследуется от: RNN, Layer, Module

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 по API Keras RNN для получения подробной информации об использовании API RNN.

Аргументы вызова:

• inputs: 3D тензор, с формой [batch, timesteps, feature].
• mask: Бинарный тензор формы [batch, timesteps] указывающий, следует ли маскировать определенный момент времени. Индивидуальная запись True указывает, что соответствующий момент времени должен быть использован, а False запись указывает, что соответствующий момент времени следует игнорировать.
• training: Булево значение Python, указывающее, должно ли слой вести себя в режиме обучения или в режиме вывода. Этот аргумент передаётся ячейке при вызове. Это актуально только при использовании dropout или recurrent_dropout.
• initial_state: Список начальных тензоров состояния, которые необходимо 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)

Методы

reset_states

Просмотреть исходный код

reset_states(
    states=None
)

Сбросить записанные состояния для состояния RNN.

Может быть использован только когда слой RNN был создан с stateful = True. Аргументы: states: Массивы NumPy, содержащие значения для начального состояния, которое будет передано в ячейку в первый момент времени. Если значение равно None, создаётся нулевой массив NumPy, основанный на размере состояния ячейки.