Python tf.raw_ops.LSTMBlockCell用法及代码示例

计算 1 个时间步长的 LSTM 单元前向传播。

用法

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

参数

x 一个Tensor。必须是以下类型之一：half , float32。 LSTM 单元的输入，形状(batch_size，num_inputs)。
cs_prev 一个Tensor。必须与 x 具有相同的类型。上一个时间步的细胞状态值。
h_prev 一个Tensor。必须与 x 具有相同的类型。上一个时间步的上一个单元格的输出。
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。

此实现使用 1 个权重矩阵和 1 个偏置向量，并且有一个可选的窥视孔连接。

这个内核操作实现了以下数学方程：

xh = [x, h_prev]
[i, f, ci, o] = xh * w + b
f = f + forget_bias

if not use_peephole:
  wci = wcf = wco = 0

i = sigmoid(cs_prev * wci + i)
f = sigmoid(cs_prev * wcf + f)
ci = tanh(ci)

cs = ci .* i + cs_prev .* f
cs = clip(cs, cell_clip)

o = sigmoid(cs * wco + o)
co = tanh(cs)
h = co .* o

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.LSTMBlockCell。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