Python tf.raw_ops.BlockLSTMV2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.BlockLSTMV2(
    seq_len_max, x, cs_prev, h_prev, w, wci, wcf, wco, b, cell_clip=0,
    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。
cell_clip 可選的 float 。默認為 0 。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)

Note that unlike LSTMBlockCell (and BlockLSTM) which uses ICFO gate layout,
this op uses IFCO. So in order for the following snippet to be equivalent
all gate-related outputs should be reordered.

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.BlockLSTMV2。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