CudnnRNNCanonicalToParamsV2

پارامترهای CudnnRNN را از فرم متعارف به فرم قابل استفاده تبدیل می کند. از طرح ریزی در LSTM پشتیبانی می کند.

مجموعه ای از وزنه ها را در بافر پارامترهای مات می نویسد تا بتوان از آنها در تمرینات یا استنباط های آینده استفاده کرد.

توجه داشته باشید که بافر پارامترها ممکن است با GPUهای مختلف سازگار نباشد. بنابراین هرگونه ذخیره و بازیابی باید به وزن ها و بایاس های متعارف تبدیل شود.

num_layers: تعداد لایه ها را در مدل RNN مشخص می کند. num_units: اندازه حالت پنهان را مشخص می کند. input_size: اندازه حالت ورودی را مشخص می کند. وزنه‌ها: شکل متعارف وزنه‌ها که می‌توان برای ذخیره و ترمیم استفاده کرد. احتمال سازگاری آنها با نسل های مختلف بیشتر است. سوگیری ها: شکل متعارف بایاس ها که می تواند برای ذخیره و بازیابی استفاده شود. احتمال سازگاری آنها با نسل های مختلف بیشتر است. num_params_weights: تعداد ماتریس پارامتر وزن برای همه لایه ها. num_params_biases: تعداد بردار پارامتر بایاس برای همه لایه ها. rnn_mode: نوع مدل RNN را نشان می دهد. input_mode: نشان می دهد که آیا پیش بینی خطی بین ورودی و محاسبه واقعی قبل از لایه اول وجود دارد یا خیر. 'skip_input' تنها زمانی مجاز است که input_size == num_units; 'auto_select' به معنی 'skip_input' است وقتی input_size == num_unit; در غیر این صورت، به معنای "input_linear" است. جهت: نشان می دهد که آیا یک مدل دو جهته استفاده خواهد شد یا خیر. dir = (جهت == دو طرفه) ? 2 : 1 ترک تحصیل: احتمال ترک تحصیل. وقتی روی 0 تنظیم شود، انصراف غیرفعال می شود. seed: اولین بخش از دانه برای شروع افت تحصیلی. seed2: قسمت دوم یک دانه برای مقداردهی اولیه ترک تحصیل. num_proj: ابعاد خروجی برای ماتریس های طرح ریزی. اگر None یا 0 باشد، هیچ طرح ریزی انجام نمی شود.