CudnnRNNParamsToCanonicalV2

CudnnRNN पैराम्स को विहित रूप में पुनः प्राप्त करता है। यह LSTM में प्रक्षेपण का समर्थन करता है।

अपारदर्शी पैराम्स बफर से वजन का एक सेट पुनर्प्राप्त करता है जिसे बचाया जा सकता है और भविष्य के रनों के साथ संगत तरीके से बहाल किया जा सकता है।

ध्यान दें कि पैराम्स बफर विभिन्न जीपीयू में संगत नहीं हो सकता है। इसलिए किसी भी बचत और बहाली को विहित भार और पूर्वाग्रह में परिवर्तित किया जाना चाहिए।

num_layers: RNN मॉडल में परतों की संख्या निर्दिष्ट करता है। num_units: छिपी हुई स्थिति का आकार निर्दिष्ट करता है। input_size: इनपुट स्थिति का आकार निर्दिष्ट करता है। num_params_weights: सभी परतों के लिए भार पैरामीटर मैट्रिक्स की संख्या। num_params_biases: सभी परतों के लिए पूर्वाग्रह पैरामीटर वेक्टर की संख्या। वज़न: वज़न का विहित रूप जिसका उपयोग बचत और बहाली के लिए किया जा सकता है। वे विभिन्न पीढ़ियों में संगत होने की अधिक संभावना रखते हैं। पूर्वाग्रह: पूर्वाग्रहों का विहित रूप जिसका उपयोग बचत और बहाली के लिए किया जा सकता है। वे विभिन्न पीढ़ियों में संगत होने की अधिक संभावना रखते हैं। rnn_mode: आरएनएन मॉडल के प्रकार को इंगित करता है। input_mode: इंगित करें कि क्या पहली परत से पहले इनपुट और वास्तविक गणना के बीच एक रैखिक प्रक्षेपण है। 'स्किप_इनपुट' की अनुमति केवल तभी दी जाती है जब input_size == num_units; 'auto_select' का अर्थ है 'skip_input' जब input_size == num_units; अन्यथा, इसका तात्पर्य 'रैखिक_इनपुट' से है। दिशा: इंगित करता है कि क्या एक द्विदिश मॉडल का उपयोग किया जाएगा। डीआईआर = (दिशा == द्विदिश)? 2 : 1 ड्रॉपआउट : ड्रॉपआउट संभावना। 0 पर सेट होने पर, ड्रॉपआउट अक्षम हो जाता है। बीज: एक बीज का पहला भाग ड्रॉपआउट आरंभ करने के लिए। Seed2: एक बीज का दूसरा भाग ड्रॉपआउट प्रारंभ करने के लिए। num_proj: प्रोजेक्शन मैट्रिसेस के लिए आउटपुट डायमेंशन। यदि कोई नहीं या 0, कोई प्रक्षेपण नहीं किया जाता है।