Python tf.raw_ops.BlockLSTM用法及代碼示例

計算所有時間步的 LSTM 單元前向傳播。

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
)

參數

seq_len_max Tensor 類型為 int64 。此輸入實際使用的最大時間長度。超出此長度的輸出用零填充。
x 一個Tensor。必須是以下類型之一：half , float32。輸入到 LSTM 的序列，形狀 (timelen, batch_size, num_inputs)。
cs_prev 一個Tensor。必須與 x 具有相同的類型。初始細胞狀態的值。
h_prev 一個Tensor。必須與 x 具有相同的類型。單元的初始輸出(用於窺視孔)。
w 一個Tensor。必須與 x 具有相同的類型。權重矩陣。
wci 一個Tensor。必須與 x 具有相同的類型。輸入門窺孔連接的權重矩陣。
wcf 一個Tensor。必須與 x 具有相同的類型。遺忘門窺視孔連接的權重矩陣。
wco 一個Tensor。必須與 x 具有相同的類型。輸出門窺視孔連接的權重矩陣。
b 一個Tensor。必須與 x 具有相同的類型。偏置向量。
forget_bias 可選的 float 。默認為 1 。遺忘門偏差。
cell_clip 可選的 float 。默認為 3 。將 'cs' 值剪切到的值。
use_peephole 可選的 bool 。默認為 False 。是否使用窺視孔砝碼。
name 操作的名稱(可選)。

Tensor 對象的元組(i、cs、f、o、ci、co、h)。
i 一個Tensor。具有與 x 相同的類型。
cs 一個Tensor。具有與 x 相同的類型。
f 一個Tensor。具有與 x 相同的類型。
o 一個Tensor。具有與 x 相同的類型。
ci 一個Tensor。具有與 x 相同的類型。
co 一個Tensor。具有與 x 相同的類型。
h 一個Tensor。具有與 x 相同的類型。

這相當於在循環中應用 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.raw_ops.BlockLSTM。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。

用法

參數

返回