Python tf.keras.layers.AbstractRNNCell用法及代码示例

表示 RNN 单元的抽象对象。

继承自：Layer，Module

用法

tf.keras.layers.AbstractRNNCell(
    trainable=True, name=None, dtype=None, dynamic=False, **kwargs
)

有关 RNN API 使用的详细信息，请参阅 Keras RNN API 指南。

这是实现具有自定义行为的 RNN 单元的基类。

每个 RNNCell 必须具有以下属性，并使用签名 call 实现 (output, next_state) = call(input, state) 。

例子：

class MinimalRNNCell(AbstractRNNCell):

    def __init__(self, units, **kwargs):
      self.units = units
      super(MinimalRNNCell, self).__init__(**kwargs)

    @property
    def state_size(self):
      return self.units

    def build(self, input_shape):
      self.kernel = self.add_weight(shape=(input_shape[-1], self.units),
                                    initializer='uniform',
                                    name='kernel')
      self.recurrent_kernel = self.add_weight(
          shape=(self.units, self.units),
          initializer='uniform',
          name='recurrent_kernel')
      self.built = True

    def call(self, inputs, states):
      prev_output = states[0]
      h = backend.dot(inputs, self.kernel)
      output = h + backend.dot(prev_output, self.recurrent_kernel)
      return output, output

细胞的这种定义不同于文献中使用的定义。在文献中，'cell' 指的是具有单个标量输出的对象。该定义是指此类单元的水平阵列。

在最抽象的设置中，RNN 单元是任何具有状态并执行接受输入矩阵的操作的任何东西。此操作产生一个带有self.output_size 列的输出矩阵。如果 self.state_size 是整数，则此操作还会生成一个新的状态矩阵，其中包含 self.state_size 列。如果 self.state_size 是 TensorShape 对象的(可能是嵌套的元组)，那么它应该为 self.batch_size 中的每个 s 返回具有形状 [batch_size].concatenate(s) 的张量的匹配结构。