Keras 3 API 文档 / 层 API / 循环层 / Simple RNN 单元层

Simple RNN 单元层

[源代码]

SimpleRNNCell

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步,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)。如果您传递 None,则不应用激活函数(即“线性”激活:a(x) = x)。
  • use_bias: 布尔值(默认值 True),表示层是否应使用偏置向量。
  • kernel_initializer: kernel 权重矩阵的初始化器,用于输入的线性变换。默认值:"glorot_uniform"
  • recurrent_initializer: recurrent_kernel 权重矩阵的初始化器,用于循环状态的线性变换。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: 介于 0 和 1 之间的浮点数。用于输入线性变换的单元丢弃比例。默认值: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元丢弃比例。默认值:0。
  • seed: 用于丢弃层的随机种子。

调用参数

  • sequence: 一个 2D 张量,形状为 (batch, features)
  • states: 一个形状为 (batch, units) 的 2D 张量,它是上一个时间步的状态。
  • training: Python 布尔值,指示层应在训练模式还是推理模式下运行。仅当使用 dropoutrecurrent_dropout 时相关。

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)