CudnnRNNV3

Un RNN respaldado por cuDNN.

Calcula el RNN a partir de los estados inicial y de entrada, con respecto al búfer de parámetros. Acepta una entrada adicional "sequence_lengths" que CudnnRNN.

rnn_mode: Indica el tipo de modelo RNN. input_mode: indica si hay una proyección lineal entre la entrada y el cálculo real antes de la primera capa. 'skip_input' solo se permite cuando input_size == num_units; 'auto_select' implica 'skip_input' cuando input_size == num_units; de lo contrario, implica 'entrada_lineal'. dirección: Indica si se utilizará un modelo bidireccional. Debe ser "unidireccional" o "bidireccional". abandono: Probabilidad de abandono. Cuando se establece en 0, el abandono está deshabilitado. semilla: la primera parte de una semilla para inicializar el abandono. semilla2: La segunda parte de una semilla para inicializar el abandono. entrada: si time_major es verdadero, este es un tensor 3-D con la forma de [seq_length, lote_size, input_size]. Si time_major es falso, la forma es [batch_size, seq_length, input_size]. input_h: si time_major es verdadero, este es un tensor tridimensional con la forma de [num_layer * dir, lote_size, num_units]. Si time_major es falso, la forma es [batch_size, num_layer * dir, num_units]. input_c: para LSTM, un tensor 3-D con la forma de [num_layer * dir, lote, num_units]. Para otros modelos, se ignora. params: un tensor 1-D que contiene los pesos y sesgos en un diseño opaco. El tamaño debe crearse mediante CudnnRNNParamsSize e inicializarse por separado. Tenga en cuenta que es posible que no sean compatibles entre diferentes generaciones. Por lo tanto, es una buena idea guardar y restaurar secuencia_longitudes: un vector de longitudes de cada secuencia de entrada. salida: si time_major es verdadero, este es un tensor tridimensional con la forma de [seq_length, lote_size, dir * num_units]. Si time_major es falso, la forma es [batch_size, seq_length, dir * num_units]. salida_h: La misma forma tiene entrada_h. output_c: la misma forma que input_c para LSTM. Un tensor vacío para otros modelos. is_training: indica si esta operación se utiliza para inferencia o entrenamiento. time_major: indica si el formato de entrada/salida es mayor por tiempo o por lotes. reserve_space: un tensor opaco que se puede utilizar en el cálculo de backprop. Sólo se produce si is_training es verdadero.