CudnnRNNV3

cuDNN によってサポートされる RNN。

params バッファーに関して、入力状態と初期状態から RNN を計算します。 CudnnRNN よりも 1 つの追加の入力「sequence_lengths」を受け入れます。

rnn_mode: RNN モデルのタイプを示します。 input_mode: 入力と最初の層の前の実際の計算の間に線形投影があるかどうかを示します。 「skip_input」は、input_size == num_units の場合にのみ許可されます。 input_size == num_units の場合、「auto_select」は「skip_input」を意味します。それ以外の場合は、「linear_input」を意味します。方向: 双方向モデルが使用されるかどうかを示します。 「単方向」または「双方向」である必要があります。ドロップアウト: ドロップアウトの確率。 0.に設定すると、ドロップアウトは無効になります。シード: ドロップアウトを初期化するシードの最初の部分。 seed2: ドロップアウトを初期化するシードの 2 番目の部分。 input: time_major が true の場合、これは [seq_length、batch_size、input_size] の形状を持つ 3 次元テンソルです。 time_major が false の場合、形状は [batch_size, seq_length, input_size] です。 input_h: time_major が true の場合、これは [num_layer * dir, batch_size, num_units] の形状を持つ 3 次元テンソルです。 time_major が false の場合、形状は [batch_size, num_layer * dir, num_units] になります。 input_c: LSTM の場合、[num_layer * dir, batch, num_units] の形状を持つ 3 次元テンソル。それ以外のモデルでは無視されます。 params: 不透明なレイアウトの重みとバイアスを含む 1 次元テンソル。サイズは CudnnRNNParamsSize を通じて作成し、個別に初期化する必要があります。世代が異なると互換性がない可能性があることに注意してください。したがって、各入力シーケンスの長さのベクトルである sequence_lengths を保存して復元することをお勧めします。出力: time_major が true の場合、これは [seq_length、batch_size、dir * num_units] の形状を持つ 3 次元テンソルです。 time_major が false の場合、形状は [batch_size, seq_length, dir * num_units] です。 Output_h: 同じ形状に input_h があります。 Output_c: LSTM の input_c と同じ形状。他のモデルの空のテンソル。 is_training: この操作が推論またはトレーニングに使用されるかどうかを示します。 time_major: 入出力形式がタイム メジャーかバッチ メジャーかを示します。 reserve_space: 逆伝播計算で使用できる不透明なテンソル。 is_training が true の場合にのみ生成されます。