双向层

[源代码]

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。它也可以是一个符合以下条件的 keras.layers.Layer 实例：
  1. 是序列处理层（接受 3D+ 输入）。
  2. 具有 go_backwards、return_sequences 和 return_state 属性（语义与 RNN 类相同）。
  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 RNN 层推荐的方法是编写自定义 RNN cell 并将其与 keras.layers.RNN 一起使用，而不是直接继承 keras.layers.Layer。- 当 returns_sequences 为 True 时，被 mask 的时间步的输出将为零，而不管该层原始的 zero_output_for_mask 值如何。
• merge_mode: 正向和反向 RNN 的输出将如何组合的模式。可以是 {'sum', 'mul', 'concat', 'ave', None} 中的一个。如果为 None，则输出将不会被组合，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。如果未提供 backward_layer，则将自动使用作为 layer 参数传入的层实例来生成反向层。请注意，提供的 backward_layer 层应具有与 layer 参数匹配的属性，特别是它应具有相同的 stateful、return_states、return_sequences 等值。此外，backward_layer 和 layer 应具有不同的 go_backwards 参数值。如果这些要求不满足，将引发 ValueError。

调用参数

该层的调用参数与被包装的 RNN 层相同。请注意，在调用此层时传递 initial_state 参数时，initial_state 列表中的前一半元素将传递给正向 RNN 调用，列表中的后一半元素将传递给反向 RNN 调用。

引发

• 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 的属性与 layer 不匹配。

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')