简单 RNN 单元层
SimpleRNNCell 类
keras.layers.SimpleRNNCell(
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,
kernel_constraint=None,
recurrent_constraint=None,
bias_constraint=None,
dropout=0.0,
recurrent_dropout=0.0,
seed=None,
**kwargs
)
SimpleRNN 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.SimpleRNN 处理整个序列。
参数
- units: 正整数，输出空间的维度。
- activation: 要使用的激活函数。默认值：双曲正切 (
tanh)。如果传递None，则不应用任何激活函数（即“线性”激活：a(x) = x）。 - use_bias: 布尔值，（默认值
True），指示层是否应使用偏置向量。 - 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。默认值：None。 - recurrent_regularizer: 应用于
recurrent_kernel权重矩阵的正则化函数。默认值：None。 - bias_regularizer: 应用于偏置向量的正则化函数。默认值：
None。 - kernel_constraint: 应用于
kernel权重矩阵的约束函数。默认值：None。 - recurrent_constraint: 应用于
recurrent_kernel权重矩阵的约束函数。默认值：None。 - bias_constraint: 应用于偏置向量的约束函数。默认值：
None。 - dropout: 0 到 1 之间的浮点数。输入线性变换中要丢弃的单元的分数。默认值：0。
- recurrent_dropout: 0 到 1 之间的浮点数。循环状态线性变换中要丢弃的单元的分数。默认值：0。
- seed: 丢弃的随机种子。
调用参数
- sequence: 一个二维张量，形状为
(batch, features)。 - states: 一个二维张量，形状为
(batch, units)，它是前一个时间步的状态。 - training: Python 布尔值，指示层应该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]).astype(np.float32)
rnn = keras.layers.RNN(keras.layers.SimpleRNNCell(4))
output = rnn(inputs) # The output has shape `(32, 4)`.
rnn = keras.layers.RNN(
keras.layers.SimpleRNNCell(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 = rnn(inputs)