CudnnRNNCanonicalToParams

CudnnRNN पैरामीटर्स को विहित रूप से प्रयोग करने योग्य रूप में परिवर्तित करता है। यह LSTM में प्रक्षेपण का समर्थन करता है।

अपारदर्शी पैराम्स बफ़र में वज़न का एक सेट लिखता है ताकि उनका उपयोग आगामी प्रशिक्षण या अनुमान में किया जा सके।

ध्यान दें कि पैराम्स बफ़र विभिन्न जीपीयू में संगत नहीं हो सकता है। इसलिए किसी भी बचत और पुनर्स्थापन को विहित भार और पूर्वाग्रहों 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। इनपुट_आकार: इनपुट स्थिति का आकार निर्दिष्ट करता है। वज़न: वज़न का विहित रूप जिसका उपयोग बचत और पुनर्स्थापन के लिए किया जा सकता है। उनके विभिन्न पीढ़ियों में संगत होने की अधिक संभावना है। पक्षपात: पूर्वाग्रहों का विहित रूप जिसका उपयोग बचत और पुनर्स्थापन के लिए किया जा सकता है। उनके विभिन्न पीढ़ियों में संगत होने की अधिक संभावना है। num_params_weights: सभी परतों के लिए वज़न पैरामीटर मैट्रिक्स की संख्या। num_params_biases: सभी परतों के लिए पूर्वाग्रह पैरामीटर वेक्टर की संख्या। rnn_mode: RNN मॉडल के प्रकार को इंगित करता है। इनपुट_मोड: इंगित करें कि क्या इनपुट और पहली परत से पहले वास्तविक गणना के बीच एक रैखिक प्रक्षेपण है। 'स्किप_इनपुट' की अनुमति केवल तभी होती है जब इनपुट_साइज़ == num_units; 'ऑटो_सेलेक्ट' का तात्पर्य 'स्किप_इनपुट' से है जब इनपुट_साइज़ == num_units; अन्यथा, इसका तात्पर्य 'रैखिक_इनपुट' है। दिशा: इंगित करता है कि क्या द्विदिश मॉडल का उपयोग किया जाएगा। डीआईआर = (दिशा == द्विदिश)? 2:1 ड्रॉपआउट: ड्रॉपआउट संभावना। जब 0 पर सेट किया जाता है, तो ड्रॉपआउट अक्षम हो जाता है। बीज: ड्रॉपआउट आरंभ करने के लिए बीज का पहला भाग। बीज 2: ड्रॉपआउट प्रारंभ करने के लिए बीज का दूसरा भाग। num_proj: प्रक्षेपण मैट्रिक्स के लिए आउटपुट आयाम। यदि कोई नहीं या 0, तो कोई प्रक्षेपण नहीं किया जाता है।