Tensorflow.js tf.layers.simpleRNNCell()用法及代码示例

Tensorflow.js是一个开放源代码库，由Google开发，用于在浏览器或节点环境中运行机器学习模型以及深度学习神经网络。

.layers.simpleRNNCell() 函数用于为 simpleRNN 寻找细胞类别。

用法:

tf.layers.simpleRNNCell (args)

参数：

• units:它是一个具有正整数单位的张量输入，它是输出空间的维数。
• activation:它是一个张量输入，是一个要使用的激活函数，默认为双曲正切。如果您传递 null，则将应用线性激活。
• useBias:它是一个张量输入，其中偏置向量用于该层。
• kernelInitializer:它是一个张量输入，是内核权重矩阵的初始化器，用于输入的线性变换。
• recurrentInitializer:它是一个张量输入，是 recurrentKernel 权重矩阵的初始化器，用于循环状态的线性变换。
• biasInitializer:它是一个张量输入，是偏置向量的初始化器。
• kernelRegularizer:它是一个张量输入，其中正则化函数应用于核权重矩阵。
• recurrentRegularizer:它是一个张量输入，其中正则化函数应用于 recurrent_kernel 权重矩阵。
• biasRegularizer:它是一个张量输入，其中正则化函数应用于偏置向量。
• kernelConstraint:它是一个张量输入，其中约束函数应用于核权重矩阵。
• recurrentConstraint:它是一个张量输入，其中约束函数应用于循环内核权重矩阵。
• biasConstraint:它是一个张量输入，其中约束函数应用于偏置向量。
• dropout:它是一个张量输入，其中为输入的线性变换和介于 0 和 1 之间的浮点数而要丢弃的单位的分数。
• recurrentDropout:它是一个张量输入，其中用于循环状态和 0 和 1 之间的浮点数的线性变换的单位的分数。
• inputShape:它是一个张量输入，将用于创建一个输入层以在该层之前插入(如果已定义)。它仅适用于输入层。
• batchInputShape:它是一个张量输入，将用于创建一个输入层以在该层之前插入(如果已定义)。它仅适用于输入层。
• batchSize:它是一个张量输入，其中batchSize 用于构造batchInputShape，如果指定了inputShape 而未指定batchInputShape。
• dType:它是一个张量输入，是该层的数据类型，默认为 ‘float32’。
• name:这是一个张量输入，是该层的名称。
• trainable:它是一个张量输入，默认为 true，无论该层的权重是否可通过拟合更新。
• weights:它是一个张量输入，可以是层的初始权重值。
• inputDType:它是一个具有传统支持的张量输入，不用于新代码。

返回值：它返回 SimpleRNNCell。

范例1：在这个例子中，SimpleRNNCell 不同于 RNN 子类。在 SimpleRNN 中，它的 apply 方法只接受单个时间步长的输入数据，并在时间步长处返回单元格的输出，而 SimpleRNN 接受多个时间步长的输入数据。

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining input elements
const cell = tf.layers.simpleRNNCell({units:3});
const input = tf.input({shape:[11]});
const output = cell.apply(input);
  
console.log(JSON.stringify(output.shape));

输出：

[null, 11]

范例2：在这个例子中，SimpleRNNCell 的实例可用于构建 RNN 层。此工作流最典型的用途是将多个单元组合成一个堆叠的 RNN 单元(即内部的 StackedRNNCell)并使用它来创建一个 RNN。

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining input elements
const cells = [
   tf.layers.simpleRNNCell({units:8}),
   tf.layers.simpleRNNCell({units:16}),
];
const rnn = tf.layers.rnn({cell:cells, returnSequences:true});
  
// Create an input with 20 time steps and
// a length-30 vector at each step
const input = tf.input({shape:[20, 30]});
const output = rnn.apply(input);
  
console.log(JSON.stringify(output.shape));

输出：

​[null, 20, 16]

参考：https://js.tensorflow.org/api/latest/#layers.simpleRNNCell