Python tf.keras.layers.SimpleRNN用法及代碼示例

Fully-connected RNN，輸出將反饋到輸入。

繼承自：RNN、Layer、Module

用法

tf.keras.layers.SimpleRNN(
    units, activation='tanh', use_bias=True,
    kernel_initializer='glorot_uniform',
    recurrent_initializer='orthogonal',
    bias_initializer='zeros', kernel_regularizer=None,
    recurrent_regularizer=None, bias_regularizer=None, activity_regularizer=None,
    kernel_constraint=None, recurrent_constraint=None, bias_constraint=None,
    dropout=0.0, recurrent_dropout=0.0, return_sequences=False, return_state=False,
    go_backwards=False, stateful=False, unroll=False, **kwargs
)

參數

units 正整數，輸出空間的維度。
activation 要使用的激活函數。默認值：雙曲正切(tanh)。如果您通過 None，則不應用激活(即 "linear" 激活：a(x) = x )。
use_bias 布爾值，(默認 True )，圖層是否使用偏置向量。
kernel_initializer kernel 權重矩陣的初始化器，用於輸入的線性變換。默認值：glorot_uniform。
recurrent_initializer recurrent_kernel 權重矩陣的初始化器，用於循環狀態的線性變換。默認值：orthogonal。
bias_initializer 偏置向量的初始化器。默認值：zeros。
kernel_regularizer 應用於kernel 權重矩陣的正則化函數。默認值：None。
recurrent_regularizer 應用於recurrent_kernel 權重矩陣的正則化函數。默認值：None。
bias_regularizer 應用於偏置向量的正則化函數。默認值：None。
activity_regularizer 應用於層輸出的正則化函數("activation")。默認值：None。
kernel_constraint 應用於kernel 權重矩陣的約束函數。默認值：None。
recurrent_constraint 應用於recurrent_kernel 權重矩陣的約束函數。默認值：None。
bias_constraint 應用於偏置向量的約束函數。默認值：None。
dropout 在 0 和 1 之間浮點數。為輸入的線性變換而下降的單位分數。默認值：0。
recurrent_dropout 在 0 和 1 之間浮點數。用於循環狀態的線性變換的單位的分數。默認值：0。
return_sequences 布爾值。是返回輸出序列中的最後一個輸出，還是返回完整序列。默認值：False。
return_state 布爾值。是否返回除了輸出之外的最後一個狀態。默認值：False
go_backwards 布爾值(默認為 False)。如果為 True，則反向處理輸入序列並返回反向序列。
stateful 布爾值(默認為 False)。如果為 True，則批次中索引 i 處每個樣本的最後狀態將用作下一批中索引 i 的樣本的初始狀態。
unroll 布爾值(默認為 False)。如果為 True，則網絡將展開，否則將使用符號循環。展開可以speed-up一個RNN，雖然它往往更多memory-intensive。展開僅適用於短序列。

屬性

activation
bias_constraint
bias_initializer
bias_regularizer
dropout
kernel_constraint
kernel_initializer
kernel_regularizer
recurrent_constraint
recurrent_dropout
recurrent_initializer
recurrent_regularizer
states
units
use_bias

有關 RNN API 使用的詳細信息，請參閱 Keras RNN API 指南。

調用參數：

inputs:一個 3D 張量，有形狀[batch, timesteps, feature].
mask: 形狀的二進製張量[batch, timesteps]指示是否應屏蔽給定的時間步長。個人True條目指示應使用相應的時間步長，而Falseentry 表示應該忽略相應的時間步長。
training:Python 布爾值，指示層應該在訓練模式還是推理模式下運行。此參數在調用時傳遞給單元格。這僅在以下情況下才相關dropout或者recurrent_dropout被使用。
initial_state：要傳遞給單元的第一次調用的初始狀態張量列表。

例子：

inputs = np.random.random([32, 10, 8]).astype(np.float32)
simple_rnn = tf.keras.layers.SimpleRNN(4)

output = simple_rnn(inputs)  # The output has shape `[32, 4]`.

simple_rnn = tf.keras.layers.SimpleRNN(
    4, return_sequences=True, return_state=True)

# whole_sequence_output has shape `[32, 10, 4]`.
# final_state has shape `[32, 4]`.
whole_sequence_output, final_state = simple_rnn(inputs)

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.layers.SimpleRNN。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。