CudnnRNNV3

Um RNN apoiado por cuDNN.

Calcula o RNN dos estados de entrada e inicial, em relação ao buffer de parâmetros. Aceita uma entrada extra "sequence_lengths" que CudnnRNN.

rnn_mode: Indica o tipo do modelo RNN. input_mode: Indica se existe uma projeção linear entre a entrada e a computação real antes da primeira camada. 'skip_input' só é permitido quando input_size == num_units; 'auto_select' implica 'skip_input' quando input_size == num_units; caso contrário, implica 'linear_input'. direção: Indica se será utilizado um modelo bidirecional. Deve ser "unidirecional" ou "bidirecional". dropout: probabilidade de dropout. Quando definido como 0., o dropout é desabilitado. seed: A 1ª parte de uma seed para inicializar o dropout. seed2: A 2ª parte de uma semente para inicializar o dropout. input: Se time_major for true, este é um tensor 3-D com a forma de [seq_length, batch_size, input_size]. Se time_major for false, a forma será [batch_size, seq_length, input_size]. input_h: Se time_major for true, este é um tensor 3-D com a forma de [num_layer * dir, batch_size, num_units]. Se time_major for false, a forma será [batch_size, num_layer * dir, num_units]. input_c: Para LSTM, um tensor 3-D com a forma de [num_layer * dir, batch, num_units]. Para outros modelos, é ignorado. params: Um tensor 1-D que contém os pesos e desvios em um layout opaco. O tamanho deve ser criado por meio de CudnnRNNParamsSize e inicializado separadamente. Observe que eles podem não ser compatíveis em diferentes gerações. Portanto, é uma boa ideia salvar e restaurar sequence_lengths: um vetor de comprimentos de cada sequência de entrada. output: Se time_major for true, este é um tensor 3-D com a forma de [seq_length, batch_size, dir * num_units]. Se time_major for false, a forma será [batch_size, seq_length, dir * num_units]. output_h: A mesma forma tem input_h. output_c: A mesma forma que input_c para LSTM. Um tensor vazio para outros modelos. is_training: Indica se esta operação é usada para inferência ou treinamento. time_major: Indica se o formato de entrada/saída é maior de tempo ou maior de lote. reserve_space: Um tensor opaco que pode ser usado no cálculo de backprop. Só é produzido se is_training for true.