双向层

[源代码]

Bidirectional 类

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（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 层推荐的方式是编写一个自定义 RNN 单元并将其与 keras.layers.RNN 一起使用，而不是直接继承 keras.layers.Layer。当 return_sequences 为 True 时，屏蔽时间步的输出将为零，无论该层原始的 zero_output_for_mask 值如何。
• merge_mode：用于合并前向和后向 RNN 输出的模式。可以是 {"sum", "mul", "concat", "ave", None} 之一。如果为 None，则输出将不合并，而是作为列表返回。默认为 "concat"。
• backward_layer：可选的 keras.layers.RNN 或 keras.layers.Layer 实例，用于处理后向输入。如果未提供 backward_layer，则将使用作为 layer 参数传入的层实例自动生成后向层。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 的 go_backwards 参数值应不同。如果未满足这些要求，将引发 ValueError。

调用参数

此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 列表中的元素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。

注意：从现有的 RNN 层实例实例化一个 Bidirectional 层将不会重用 RNN 层实例的权重状态 — Bidirectional 层将拥有新初始化的权重。

示例

model = Sequential([
    Input(shape=(5, 10)),
    Bidirectional(LSTM(10, return_sequences=True),
    Bidirectional(LSTM(10)),
    Dense(5, activation="softmax"),
])
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

# With custom backward layer
forward_layer = LSTM(10, return_sequences=True)
backward_layer = LSTM(10, activation='relu', return_sequences=True,
                      go_backwards=True)
model = Sequential([
    Input(shape=(5, 10)),
    Bidirectional(forward_layer, backward_layer=backward_layer),
    Dense(5, activation="softmax"),
])
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')