Python tf.raw_ops.GRUBlockCell用法及代码示例

计算 1 个时间步的 GRU 单元前向传播。

用法

tf.raw_ops.GRUBlockCell(
    x, h_prev, w_ru, w_c, b_ru, b_c, name=None
)

参数

x 一个Tensor。必须是以下类型之一：float32。
h_prev 一个Tensor。必须与 x 具有相同的类型。
w_ru 一个Tensor。必须与 x 具有相同的类型。
w_c 一个Tensor。必须与 x 具有相同的类型。
b_ru 一个Tensor。必须与 x 具有相同的类型。
b_c 一个Tensor。必须与 x 具有相同的类型。
name 操作的名称(可选)。

Tensor 对象(r、u、c、h)的元组。
r 一个Tensor。具有与 x 相同的类型。
u 一个Tensor。具有与 x 相同的类型。
c 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。

Args x：GRU 单元的输入。 h_prev：来自前一个 GRU 单元的状态输入。 w_ru：重置和更新门的权重矩阵。 w_c：单元连接门的权重矩阵。 b_ru：复位和更新门的偏置向量。 b_c：单元连接门的偏置向量。

返回 r：复位门的输出。 u：更新门的输出。 c：单元连接门的输出。 h：GRU 单元的当前状态。

注意变量的符号：

a 和 b 的连接由 a_b 表示 a 和 b 的逐元素点积由 ab 表示逐元素点积由 \circ 表示矩阵乘法由 * 表示

偏差初始化为：b_ru - constant_initializer(1.0) b_c - constant_initializer(0.0)

这个内核操作实现了以下数学方程：

x_h_prev = [x, h_prev]

[r_bar u_bar] = x_h_prev * w_ru + b_ru

r = sigmoid(r_bar)
u = sigmoid(u_bar)

h_prevr = h_prev \circ r

x_h_prevr = [x h_prevr]

c_bar = x_h_prevr * w_c + b_c
c = tanh(c_bar)

h = (1-u) \circ c + u \circ h_prev

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.GRUBlockCell。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。