Python tf.raw_ops.BlockLSTM用法及代码示例

计算所有时间步的 LSTM 单元前向传播。

用法

tf.raw_ops.BlockLSTM(
    seq_len_max, x, cs_prev, h_prev, w, wci, wcf, wco, b, forget_bias=1,
    cell_clip=3, use_peephole=False, name=None
)

参数

seq_len_max Tensor 类型为 int64 。此输入实际使用的最大时间长度。超出此长度的输出用零填充。
x 一个Tensor。必须是以下类型之一：half , float32。输入到 LSTM 的序列，形状 (timelen, batch_size, num_inputs)。
cs_prev 一个Tensor。必须与 x 具有相同的类型。初始细胞状态的值。
h_prev 一个Tensor。必须与 x 具有相同的类型。单元的初始输出(用于窥视孔)。
w 一个Tensor。必须与 x 具有相同的类型。权重矩阵。
wci 一个Tensor。必须与 x 具有相同的类型。输入门窥孔连接的权重矩阵。
wcf 一个Tensor。必须与 x 具有相同的类型。遗忘门窥视孔连接的权重矩阵。
wco 一个Tensor。必须与 x 具有相同的类型。输出门窥视孔连接的权重矩阵。
b 一个Tensor。必须与 x 具有相同的类型。偏置向量。
forget_bias 可选的 float 。默认为 1 。遗忘门偏差。
cell_clip 可选的 float 。默认为 3 。将 'cs' 值剪切到的值。
use_peephole 可选的 bool 。默认为 False 。是否使用窥视孔砝码。
name 操作的名称(可选)。

Tensor 对象的元组(i、cs、f、o、ci、co、h)。
i 一个Tensor。具有与 x 相同的类型。
cs 一个Tensor。具有与 x 相同的类型。
f 一个Tensor。具有与 x 相同的类型。
o 一个Tensor。具有与 x 相同的类型。
ci 一个Tensor。具有与 x 相同的类型。
co 一个Tensor。具有与 x 相同的类型。
h 一个Tensor。具有与 x 相同的类型。

这相当于在循环中应用 LSTMBlockCell，如下所示：

for x1 in unpack(x):
  i1, cs1, f1, o1, ci1, co1, h1 = LSTMBlock(
    x1, cs_prev, h_prev, w, wci, wcf, wco, b)
  cs_prev = cs1
  h_prev = h1
  i.append(i1)
  cs.append(cs1)
  f.append(f1)
  o.append(o1)
  ci.append(ci1)
  co.append(co1)
  h.append(h1)
return pack(i), pack(cs), pack(f), pack(o), pack(ci), pack(ch), pack(h)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.raw_ops.BlockLSTM。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回