DynamicGRUV2构造函数

功能说明

TensorFlow侧使用该接口，支持RNN类网络训练、推理。

函数原型

class DynamicGRUV2(_DynamicBasic):
def __init__(self,
hidden_size,
dtype,
direction=DYNAMIC_RNN_UNIDIRECTION,
cell_depth=1,
keep_prob=1.0,
cell_clip=-1.0,
num_proj=0,
time_major=True,
activation="tanh",
gate_order="zrh",
reset_after=True,
is_training=True)

参数说明

参数名	输入/输出	描述
hidden_size	输入	GRU模型中隐状态h的维度。
dtype	输入	weight、bias初始化的数据类型，注：传入的数据最终会转化成D支持的类型。
direction	输入	（可选）目前仅支持DYNAMIC_RNN_UNIDIRECTION。
cell_depth	输入	（可选）目前仅支持单层。
keep_prob	输入	（可选）目前不支持dropout。
cell_clip	输入	（可选）目前不支持数值裁剪。
num_proj	输入	（可选）目前不支持投影计算。
time_major	输入	（可选）目前仅支持输入x是【num_step, batch_size, embedding】模式。
activation	输入	（可选）目前仅支持“tanh”。
gate_order	输入	（可选）表示几个门的顺序，默认为“zrh”，常用的另一个顺序为“rzh"。
reset_after	输入	（可选）默认为TRUE，表示矩阵乘法之后将重置门应用到隐藏状态。
is_training	输入	（可选）默认是训练模式。

返回值

output_y：RNN的输出Tensor，shape为【num_step, batch_size, hidden_size】。

output_h：RNN的输出Tensor，shape为【num_step, batch_size, hidden_size】。

update：RNN计算的中间结果，用于反向计算使用。

reset：RNN计算的中间结果，用于反向计算使用。

new：RNN计算的中间结果，用于反向计算使用。

hidden_new：RNN计算的中间结果，用于反向计算使用。

使用约束

目前该接口支持的功能有限，具体约束详见参数说明表。

调用示例

      
           import tensorflow as tf
from npu_bridge.estimator.npu.npu_dynamic_rnn import DynamicGRUV2
inputs = tf.random.normal(shape=(25, 64, 128))
gru = DynamicGRUV2(hidden_size=16, dtype=tf.float16, is_training=False)
y, output_h, update, reset, new, hidden_new = gru(inputs, seq_length=None, init_h=None)

父主题： npu_bridge.estimator.npu.npu_dynamic_rnn