CudnnRNNBackprop

Langkah backprop dari CudnnRNNV3.

Hitung backprop data dan bobot di RNN. Mengambil input "sequence_lengths" tambahan daripada CudnnRNNBackprop.

rnn_mode: Menunjukkan jenis model RNN. input_mode: Menunjukkan apakah ada proyeksi linier antara input dan komputasi aktual sebelum lapisan pertama. 'skip_input' hanya diperbolehkan bila input_size == num_units; 'auto_select' menyiratkan 'skip_input' ketika input_size == num_units; jika tidak, ini berarti 'input_linier'. arah: Menunjukkan apakah model dua arah akan digunakan. Harus "searah" atau "dua arah". putus sekolah: Kemungkinan putus sekolah. Jika disetel ke 0, dropout dinonaktifkan. seed: Bagian pertama dari seed untuk menginisialisasi dropout. seed2: Bagian ke-2 dari benih untuk menginisialisasi dropout. masukan: Jika time_major benar, ini adalah tensor 3-D dengan bentuk [seq_length, batch_size, input_size]. Jika time_major salah, bentuknya adalah [batch_size, seq_length, input_size]. input_h: Jika time_major benar, ini adalah tensor 3-D dengan bentuk [num_layer * dir, batch_size, num_units]. Jika time_major salah, bentuknya adalah [batch_size, num_layer * dir, num_units]. input_c: Untuk LSTM, tensor 3-D dengan bentuk [num_layer * dir, batch, num_units]. Untuk model lain diabaikan. params: Tensor 1-D yang berisi bobot dan bias dalam tata letak buram. Ukurannya harus dibuat melalui CudnnRNNParamsSize, dan diinisialisasi secara terpisah. Perhatikan bahwa mereka mungkin tidak kompatibel pada generasi yang berbeda. Jadi sebaiknya simpan dan pulihkan sequence_lengths: vektor panjang setiap urutan masukan. keluaran: Jika time_major benar, ini adalah tensor 3-D dengan bentuk [seq_length, batch_size, dir * num_units]. Jika time_major salah, bentuknya adalah [batch_size, seq_length, dir * num_units]. output_h: Bentuk yang sama memiliki input_h. output_c: Bentuknya sama dengan input_c untuk LSTM. Tensor kosong untuk model lain. output_backprop: Tensor 3-D dengan bentuk yang sama dengan keluaran pada forward pass. output_h_backprop: Tensor 3-D dengan bentuk yang sama dengan output_h pada forward pass. output_c_backprop: Tensor 3-D dengan bentuk yang sama dengan output_c pada forward pass. time_major: Menunjukkan apakah format input/output adalah jurusan waktu atau jurusan batch. Reserve_space: Reserve_space yang sama dihasilkan dalam operasi penerusan. input_backprop: Backprop yang akan dimasukkan dalam forward pass. Memiliki bentuk yang sama dengan masukan. input_h_backprop: Backprop ke input_h di forward pass. Memiliki bentuk yang sama dengan input_h. input_c_backprop: Backprop ke input_c di forward pass. Memiliki bentuk yang sama dengan input_c. params_backprop: Backprop ke buffer params di forward pass. Memiliki bentuk yang sama dengan params.