SimpleRNN 层

[源代码]

SimpleRNN 类

tf_keras.layers.SimpleRNN(
    units,
    activation="tanh",
    use_bias=True,
    kernel_initializer="glorot_uniform",
    recurrent_initializer="orthogonal",
    bias_initializer="zeros",
    kernel_regularizer=None,
    recurrent_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    recurrent_constraint=None,
    bias_constraint=None,
    dropout=0.0,
    recurrent_dropout=0.0,
    return_sequences=False,
    return_state=False,
    go_backwards=False,
    stateful=False,
    unroll=False,
    **kwargs
)

全连接循环神经网络，其输出将被反馈到输入。

有关 RNN API 用法的详细信息，请参阅 TF-Keras RNN API 指南。

参数

• units：正整数，输出空间的维度。
• activation：要使用的激活函数。默认：双曲正切 (tanh)。如果传入 None，则不应用激活函数（即“线性”激活：a(x) = x）。
• use_bias: 布尔值（默认 True），表示该层是否使用偏置向量。
• kernel_initializer：用于线性变换输入的 kernel 权重矩阵的初始化器。默认值：glorot_uniform。
• recurrent_initializer：用于循环状态线性变换的 recurrent_kernel 权重矩阵的初始化器。默认值：orthogonal。
• bias_initializer：偏置向量的初始化器。默认值：zeros。
• kernel_regularizer：应用于 kernel 权重矩阵的正则化函数。默认：None。
• recurrent_regularizer：应用于 recurrent_kernel 权重矩阵的正则化函数。默认：None。
• bias_regularizer：应用于偏差向量的正则化函数。默认：None。
• activity_regularizer：应用于层输出（其“激活”）的正则化函数。默认值：None。
• kernel_constraint：应用于 kernel 权重矩阵的约束函数。默认：None。
• recurrent_constraint：应用于 recurrent_kernel 权重矩阵的约束函数。默认：None。
• bias_constraint：应用于偏差向量的约束函数。默认：None。
• dropout：介于 0 和 1 之间的浮点数。用于输入线性变换的单位丢弃比例。默认：0。
• recurrent_dropout：介于 0 和 1 之间的浮点数。用于循环状态线性变换的单位丢弃比例。默认：0。
• return_sequences：布尔值。是否返回输出序列中的最后一个输出，还是返回整个序列。默认值：False。
• return_state：布尔值。是否在返回输出的同时返回最后一个状态。默认值：False
• go_backwards：布尔值（默认 False）。如果为 True，则反向处理输入序列并返回反转后的序列。
• stateful：布尔值（默认 False）。如果为 True，则批处理中索引 i 的每个样本的最后一个状态将用作下一个批处理中索引 i 的样本的初始状态。
• unroll：布尔值（默认 False）。如果为 True，网络将被展开，否则将使用符号循环。展开可以加速 RNN，尽管它往往更占用内存。展开仅适用于短序列。

调用参数

• inputs：一个 3D 张量，形状为 [batch, timesteps, feature]。
• mask：形状为 [batch, timesteps] 的二进制张量，指示是否应屏蔽给定的时间步。单独的 True 条目表示应使用相应的时间步，而 False 条目表示应忽略相应的时间步。
• training：Python 布尔值，指示该层是应表现为训练模式还是推理模式。此参数在调用时会传递给单元。仅当使用了 dropout 或 recurrent_dropout 时才相关。
• initial_state：要传递给单元第一次调用的初始状态张量列表。

示例

inputs = np.random.random([32, 10, 8]).astype(np.float32)
simple_rnn = tf.keras.layers.SimpleRNN(4)

output = simple_rnn(inputs)  # The output has shape `[32, 4]`.

simple_rnn = tf.keras.layers.SimpleRNN(
    4, return_sequences=True, return_state=True)

# whole_sequence_output has shape `[32, 10, 4]`.
# final_state has shape `[32, 4]`.
whole_sequence_output, final_state = simple_rnn(inputs)