CudnnRNNParamsToCanonicalV2

پارامترهای CudnnRNN را به شکل متعارف بازیابی می کند. از طرح ریزی در LSTM پشتیبانی می کند.

مجموعه‌ای از وزن‌ها را از بافر پارامترهای مات بازیابی می‌کند که می‌توان آن‌ها را ذخیره کرد و به روشی سازگار با اجراهای آینده بازیابی کرد.

توجه داشته باشید که بافر پارامترها ممکن است با GPU های 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. num_params_weights: تعداد ماتریس پارامتر وزن برای همه لایه ها. num_params_biases: تعداد بردار پارامتر بایاس برای همه لایه ها. وزنه‌ها: شکل متعارف وزنه‌ها که می‌توان برای ذخیره و ترمیم استفاده کرد. آنها به احتمال زیاد با نسل های مختلف سازگار هستند. بایاس: شکل متعارف بایاس ها که می تواند برای ذخیره و بازیابی استفاده شود. آنها به احتمال زیاد با نسل های مختلف سازگار هستند. 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 زمانی که input_size == num_units; در غیر این صورت، به معنای "ورودی_خطی" 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 یک دانه برای مقداردهی اولیه ترک تحصیل. 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.