CANN/TensorFlow DynamicRNN构造函数

DynamicRNN构造函数【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow功能说明TensorFlow侧使用该接口支持RNN类网络训练、推理。函数原型class DynamicRNN(_DynamicBasic): def __init__(self, hidden_size, dtype, cell_typeLSTM, directionDYNAMIC_RNN_UNIDIRECTION, cell_depth1, use_peepholeFalse, keep_prob1.0, cell_clip-1.0, num_proj0, time_majorTrue, activationtanh, forget_bias0.0, is_trainingTrue)参数说明参数名输入/输出描述hidden_size输入RNN模型中隐状态h的维度。dtype输入weight、bias初始化的数据类型注传入的数据最终会转化成D支持的类型。cell_type输入可选目前仅支持LSTM。direction输入可选目前仅支持DYNAMIC_RNN_UNIDIRECTION。cell_depth输入可选目前仅支持单层。use_peephole输入可选目前不支持窥孔计算。keep_prob输入可选目前不支持dropout。cell_clip输入可选目前不支持数值裁剪。num_proj输入可选目前不支持投影计算。time_major输入可选目前仅支持输入x是【num_step, batch_size, embedding】模式。activation输入可选目前仅支持tanh。forget_bias输入可选默认是0.0。is_training输入可选默认是训练模式。返回值output_yRNN的输出tensorshape为【num_step, batch_size, hidden_size】。output_hRNN的输出tensorshape为【num_step, batch_size, hidden_size】。output_cRNN的输出tensorshape为【num_step, batch_size, hidden_size】。iRNN计算的中间结果用于反向计算使用。jRNN计算的中间结果用于反向计算使用。fRNN计算的中间结果用于反向计算使用。oRNN计算的中间结果用于反向计算使用。tanhcRNN计算的中间结果用于反向计算使用。使用约束该接口为tf.nn.dynamic_rnn的高性能实现接口用户可以对原生接口进行替换需要注意的是TensorFlow原生接口tf.nn.dynamic_rnn可以对cell层做添加处理例如首尾连接等DynamicRNN不支持直接对cell层做添加处理需要在函数外自行实现。目前该接口支持的功能有限具体约束详见参数说明表。调用示例import tensorflow as tf from npu_bridge.estimator.npu.npu_dynamic_rnn import DynamicRNN inputs tf.random.normal(shape(25, 64, 128)) lstm DynamicRNN(hidden_size16, dtypetf.float16, is_trainingFalse) y, output_h, output_c, i, j, f, o, tanhc lstm(inputs, seq_lengthNone, init_hNone, init_cNone)【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考