双向层

`Bidirectional` 类

tf_keras.layers.Bidirectional(
    layer, merge_mode="concat", weights=None, backward_layer=None, **kwargs
)

RNN 的双向包装器。

参数

layer: keras.layers.RNN 实例，例如 keras.layers.LSTM 或 keras.layers.GRU。它也可以是满足以下条件的 keras.layers.Layer 实例
1. 是一个序列处理层（接受 3D+ 输入）。
2. 具有 go_backwards、return_sequences 和 return_state 属性（与 RNN 类的语义相同）。
3. 具有 input_spec 属性。
4. 通过 get_config() 和 from_config() 实现序列化。请注意，创建新的 RNN 层的推荐方法是编写一个自定义的 RNN 单元并将其与 keras.layers.RNN 一起使用，而不是直接子类化 keras.layers.Layer。- 当 returns_sequences 为真时，无论层的原始 zero_output_for_mask 值如何，掩码时间步长的输出都将为零。
merge_mode: 前向和后向 RNN 输出将如何组合的方式。可选值之一为 {'sum', 'mul', 'concat', 'ave', None}。如果为 None，则不会组合输出，它们将作为列表返回。默认值为 'concat'。
backward_layer: 可选的 keras.layers.RNN 或 keras.layers.Layer 实例，用于处理反向输入处理。如果未提供 backward_layer，则将传递给 layer 参数的层实例将用于自动生成反向层。请注意，提供的 backward_layer 层应具有与 layer 参数匹配的属性，特别是它应该具有 stateful、return_states、return_sequences 等相同的值。此外，backward_layer 和 layer 应具有不同的 go_backwards 参数值。如果未满足这些要求，则会引发 ValueError。

调用参数

此层的调用参数与包装的 RNN 层的调用参数相同。请注意，在调用此层时传递 initial_state 参数时，initial_state 列表中元素列表的前半部分将传递给前向 RNN 调用，后半部分将传递给后向 RNN 调用。

引发异常

ValueError:
1. 如果 layer 或 backward_layer 不是 Layer 实例。
2. 如果 merge_mode 参数无效。
3. 如果 backward_layer 与 layer 具有不匹配的属性。

示例

model = Sequential()
model.add(Bidirectional(LSTM(10, return_sequences=True),
                             input_shape=(5, 10)))
model.add(Bidirectional(LSTM(10)))
model.add(Dense(5))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

# With custom backward layer
model = Sequential()
forward_layer = LSTM(10, return_sequences=True)
backward_layer = LSTM(10, activation='relu', return_sequences=True,
                      go_backwards=True)
model.add(Bidirectional(forward_layer, backward_layer=backward_layer,
                        input_shape=(5, 10)))
model.add(Dense(5))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

双向层

Bidirectional 类

双向层

Bidirectional 类

`Bidirectional` 类