tf.raw_ops.CudnnRNNV2

Реализация RNN с использованием 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 с учетом буфера параметров. Возвращает на один дополнительный выход «host_reserved», по сравнению с CudnnRNN.

rnn_mode: Определяет тип модели RNN. input_mode: Указывает, существует ли линейное проектирование между входом и фактическим вычислением перед первым слоем. 'skip_input' разрешен только когда input_size == num_units; 'auto_select' подразумевает 'skip_input' когда input_size == num_units; иначе подразумевает 'linear_input'. direction: Указывает, будет ли использоваться двунаправленная модель. Должно быть "unidirectional" или "bidirectional". dropout: Вероятность дропаут. При значении 0. дропаут отключен. seed: Первая часть семян для инициализации дропаут. seed2: Вторая часть семян для инициализации дропаут. input: 3-мерный тензор с формой [seq_length, batch_size, input_size]. input_h: 3-мерный тензор с формой [num_layer * dir, batch_size, num_units]. input_c: Для LSTM, 3-мерный тензор с формой [num_layer * dir, batch, num_units]. Для других моделей игнорируется. params: 1-мерный тензор, содержащий веса и смещения в непрозрачной структуре. Размер должен быть создан через CudnnRNNParamsSize и инициализирован отдельно. Обратите внимание, что они могут быть несовместимы в разных поколениях. Поэтому рекомендуется сохранять и восстанавливать output: 3-мерный тензор с формой [seq_length, batch_size, dir * num_units]. output_h: Такая же форма, как у input_h. output_c: Такая же форма, как у input_c для LSTM. Пустой тензор для других моделей. is_training: Указывает, используется ли эта операция для вывода или обучения. reserve_space: Непрозрачный тензор, который можно использовать в расчетах обратного распространения. Он генерируется только если is_training истина. host_reserved: Непрозрачный тензор, который можно использовать в расчетах обратного распространения. Он генерируется только если is_training истина. Он выводится в оперативной памяти хоста, а не в памяти устройства.