CudnnRNNV3

cuDNN이 지원하는 RNN입니다.

params 버퍼와 관련하여 입력 및 초기 상태에서 RNN을 계산합니다. CudnnRNN보다 하나의 추가 입력 "sequence_lengths"를 허용합니다.

rnn_mode: RNN 모델의 유형을 나타냅니다. input_mode: 첫 번째 레이어 이전의 입력과 실제 계산 사이에 선형 투영이 있는지 여부를 나타냅니다. 'skip_input'은 input_size == num_units인 경우에만 허용됩니다. input_size == num_units인 경우 'auto_select'는 'skip_input'을 의미합니다. 그렇지 않으면 'linear_input'을 의미합니다. 방향: 양방향 모델을 사용할지 여부를 나타냅니다. "단방향" 또는 "양방향"이어야 합니다. dropout: 탈락 확률. 0으로 설정하면 드롭아웃이 비활성화됩니다. 시드(seed): 드롭아웃을 초기화하는 시드의 첫 번째 부분입니다. seed2: 드롭아웃을 초기화하기 위한 시드의 두 번째 부분입니다. 입력: time_major가 true인 경우 [seq_length, 배치_크기, 입력_크기] 모양의 3차원 텐서입니다. time_major가 false인 경우 모양은 [batch_size, seq_length, input_size]입니다. input_h: time_major가 true인 경우 [num_layer * dir, 배치_크기, num_units] 모양의 3차원 텐서입니다. time_major가 false인 경우 모양은 [batch_size, num_layer * dir, num_units]입니다. input_c: LSTM의 경우 [num_layer * dir, 배치, num_units] 형태의 3차원 텐서입니다. 다른 모델의 경우 무시됩니다. params: 불투명 레이아웃의 가중치와 편향을 포함하는 1차원 텐서입니다. 크기는 CudnnRNNParamsSize를 통해 생성하고 별도로 초기화해야 합니다. 다른 세대에서는 호환되지 않을 수 있습니다. 따라서 각 입력 시퀀스 길이의 벡터인 시퀀스_길이를 저장하고 복원하는 것이 좋습니다. 출력: time_major가 true인 경우 이는 [seq_length, 배치_크기, dir * num_units] 모양의 3차원 텐서입니다. time_major가 false인 경우 모양은 [batch_size, seq_length, dir * num_units]입니다. output_h: 같은 모양에 input_h가 있습니다. output_c: LSTM의 input_c와 같은 모양입니다. 다른 모델의 경우 빈 텐서. is_training: 이 작업이 추론에 사용되는지 아니면 훈련에 사용되는지 나타냅니다. time_major: 입출력 형식이 시간 전공인지 일괄 전공인지를 나타냅니다. Reserve_space: 역전파 계산에 사용할 수 있는 불투명 텐서. is_training이 true인 경우에만 생성됩니다.