tf.raw_ops.CudnnRNN

Свёрточная операция RNN, поддерживаемая 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 операцию RNN на основе входных данных и начальных состояний, в отношении 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» разрешено только в том случае, если input_size == num_units; «auto_select» подразумевает «skip_input», когда input_size == num_units; в противном случае это 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 значения seed для инициализации дропаута. seed2: Вторая часть значения seed 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 неявном формате. Размер должен быть создан с помощью CudnnRNNParamsSize и инициализирован отдельно. Обратите внимание, что они могут не быть совместимы 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 эта операция для вывода или обучения. reserve_space: Неявный тензор, который может использоваться в вычислениях обратного распространения. Он генерируется только если is_training — false.