GRU 单元层
GRUCell 类
keras.layers.GRUCell(
units,
activation="tanh",
recurrent_activation="sigmoid",
use_bias=True,
kernel_initializer="glorot_uniform",
recurrent_initializer="orthogonal",
bias_initializer="zeros",
kernel_regularizer=None,
recurrent_regularizer=None,
bias_regularizer=None,
kernel_constraint=None,
recurrent_constraint=None,
bias_constraint=None,
dropout=0.0,
recurrent_dropout=0.0,
reset_after=True,
seed=None,
**kwargs
)
GRU 层的单元类。
此类处理整个时间序列输入中的一个步骤，而 keras.layer.GRU 处理整个序列。
参数
- units: 正整数，输出空间的维度。
- activation: 使用的激活函数。默认：双曲正切 (
tanh)。如果传递 None，则不应用激活函数（即“线性”激活：a(x) = x）。 - recurrent_activation: 用于循环步骤的激活函数。默认：sigmoid (
sigmoid)。如果传递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），指示层是否应使用偏差向量。 - kernel_initializer: 用于输入线性变换的
kernel权重矩阵的初始化器。默认："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："orthogonal"。 - bias_initializer: 偏差向量的初始化器。默认：
"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。 - 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: 0 到 1 之间的一个浮点数。输入线性变换中要丢弃的单元的分数。默认：0。
- recurrent_dropout: 0 到 1 之间的一个浮点数。循环状态线性变换中要丢弃的单元的分数。默认：0。
- reset_after: GRU 约定（是否在矩阵乘法之后或之前应用重置门）。False = “before”，True = “after”（默认值且与 cuDNN 兼容）。
- seed: 丢弃的随机种子。
调用参数
- inputs: 一个 2D 张量，形状为
(batch, features)。 - states: 一个 2D 张量，形状为
(batch, units)，它是前一个时间步的状态。 - training: Python 布尔值，指示层应处于训练模式还是推理模式。仅当使用
dropout或recurrent_dropout时才相关。
示例
>>> inputs = np.random.random((32, 10, 8))
>>> rnn = keras.layers.RNN(keras.layers.GRUCell(4))
>>> output = rnn(inputs)
>>> output.shape
(32, 4)
>>> rnn = keras.layers.RNN(
... keras.layers.GRUCell(4),
... return_sequences=True,
... return_state=True)
>>> whole_sequence_output, final_state = rnn(inputs)
>>> whole_sequence_output.shape
(32, 10, 4)
>>> final_state.shape
(32, 4)